[发明专利]一种计及多源因素的风力发电系统风险评估方法

权利要求书

1.一种计及多源因素的风力发电系统动态风险预测方法，其特征在于包括以下步骤：

步骤1：分析影响风机正常运行因素与运行风险间的因果关系，得到影响风力发电系统正常运行的因素，构建风力发电系统风险评估体系；

步骤2：将步骤1构建的风力发电系统风险评估体系作为指导，建立基于贝叶斯网络的风力发电系统风险评估模型；

步骤3：采集风电场的故障信息数据、以及风电场运行时的故障信息数据；

步骤4：从步骤3采集到的故障信息数据随机划分为训练集和测试集，其中，训练集用于对步骤2建立好的贝叶斯模型进行训练，完成训练后，使用测试集测试训练出的风力发电系统风险评估模型；

步骤5：对各故障危害性进行量化打分，结合模型预测结果计算风险等级分值并进行等级划分。

2.根据权利要求1所述一种计及多源因素的风力发电系统动态风险预测方法，其特征在于：该包括步骤6：根据风险等级分值绘制风险矩阵图，反映各系统可能面临的风险严重度。

3.根据权利要求1所述一种计及多源因素的风力发电系统动态风险预测方法，其特征在于：所述步骤1中，风力发电系统风险评估体系确定，具体是：

影响风机正常运行的多源因素，包含运行环境因素、风机部件因素、人为因素三部分；

将天气类型分为正常天气、恶劣天气和灾害天气三种状态，不同天气状态下，天气的权重因子L定义为：

式中：σ表示天气影响因子，在3种不同天气状态下，其参数取值取决于一年中3种天气类型的平均比例，其中：正常天气下σ＝320.433，恶劣天气下σ＝39.533，灾害天气下σ＝5.033；τ表示经验值，其取值为τ＝201.332；对权重因子进行归一化处理后即为运行环境因素节点概率P_OE；

风机部件的故障率和维护检修方式与部件不正常运行概率有直接联系，考虑设备计划检修方式的正常运行状态与不正常运行状态模型对元件进行建模，其等效模型为：

λ_C＝λ_M+λ_R；

式中：λ_C和μ_C分别为各静态元件等效故障率和修复率；λ_R和μ_R分别为各元件非扩大型故障率和修复率；λ_M和μ_M分别为各元件计划检修率和计划检修修复率；λ_S和μ_S分别为各元件扩大型故障率和修复率，其中，静态元件该项取值为0；P_SFC为等效后各静态元件不正常运行状态的概率，P_DFC为等效后各动态元件不正常运行状态的概率；

结合实际工程情况，提出工作经验不足、管理制度不足、安全意识不足三个风险因素；依据数据特征统计结果，确定人为因素节点概率P_HF＝0.5。

4.根据权利要求1所述一种计及多源因素的风力发电系统动态风险预测方法，其特征在于：所述步骤2中，贝叶斯模型的建立：

在风力发电系统中，各系统及其相关部件都与贝叶斯网络中的结点一一对应；根据元件之间的逻辑关系，并将步骤1构建的风力发电系统评估体系作为指导，用带箭头的连接线表示各个结点之间的关系，箭头的指向表示影响的传递，建立与之相应的风力发电系统风险评估模型。

5.根据权利要求1或4所述一种计及多源因素的风力发电系统动态风险预测方法，其特征在于：以风力发电系统风险评估体系为指导，将多源因素融入贝叶斯网络，完成计及多源因素的风力发电系统动态风险评估，将先验概率更新为后验概率时运用的贝叶斯公式为：

其中：P(Y)为节点Y的先验概率；P(X_i|Y)为条件概率，P(YX_i)为X_i发生的情况下Y发生的概率，也称为后验概率；n表示相关父节点总数，X_i表示各父节点，i取值为[1，n]。