CN104218571A - 一种风力发电设备的运行状态评估方法 - Google Patents

Abstract

本发明提供了一种风力发电设备的运行状态评估方法，包括：筛选出影响风力发电设备稳定运行的因素，确定各个因素对应的扰动因子，以及扰动系数；将扰动因子按照四个方面的指标进行归类，建立风力发电设备稳定运行的评价指标体系；根据所述评价指标体系建立神经网络模型，并对所述神经网络模型进行求解，算出风力发电设备的运行状态值；比较所述运行状态值和预设的稳定运行阈值，得出风力发电设备的所处的稳定运行等级，并根据所述稳定运行等级做出状态预警和提供检修策略。能够依据运行评价体系，对风力发电设备进行实时评价，确定当前的风力发电设备的运行状态，提升风力发电设备运行的稳定性，有效降低风力发电设备的故障概率。

Description

一种风力发电设备的运行状态评估方法

技术领域

本发明涉及风力发电的技术领域，特别是涉及一种风力发电设备的运行状态评估方法。

背景技术

由于所处的运行环境恶劣，以及风力能源的不确定性，风力发电设备的运行状态受到环境的影响较大。目前，关于风力发电设备运行状态的研究主要集中在自身稳定性方面，如从风力发电设备的传动轴动态过程、桨叶动态过程、桨距角控制和风轮机等方面建立风力发电设备的数学模型，并结合数学模型，运用仿真方法，分析风力发电设备的稳定性。然而，这种建立数学模型并运用相应算法来评估稳定性的方法，往往因其模型复杂、计算量庞大，在实际应用中受到很多的制约，无法为风电场的运维人员提供简明高效的判定依据，使其实际应用较少。

因此，如何简明高效的评判风力发电设备的运行状态，让运维人员能够根据其评价结果进行相应的目标明确的动态巡维，成为本技术领域有待解决的一个问题。

发明内容

本发明针对上述现有技术存在的问题，提出了一种风力发电设备的运行状态评估方法，用于判断风力发电设备的运行状态，实现状态预警并向运维人员提供相应的运维检修策略。

为了解决上述技术问题，本发明的技术方案如下：

一种风力发电设备的运行状态评估方法，其特征在于，包括：

(a)筛选出影响风力发电设备稳定运行的因素，并确定各个因素对应的扰动因子，以及所述扰动因子的扰动系数；

(b)将所述扰动因子按照技术运行指标、控制功能指标、系统可靠性指标、系统维修性指标等四个方面进行归类，建立风力发电设备稳定运行的评价指标体系；

(c)根据所述评价指标体系建立神经网络模型，并对所述神经网络模型进行求解，算出风力发电设备的运行状态值；

(d)比较所述运行状态值和预设的稳定运行阈值，得出风力发电设备的所处的稳定运行等级，并根据所述稳定运行等级做出状态预警和提供检修策略。

优选地，所述步骤(a)包括：

结合风力发电设备的技术文献、运维人员和专家意见，从影响风力发电设备稳定运行的因素中提取出扰动因子；

由公式计算所述扰动因子的扰动系数λ_i，其中n为参与所述扰动因子评分的人数，λ_ij为第i个扰动因子对应的第j级量纲值，所述量纲值按照对风力发电系统的影响程度分为五个等级，n_ij为判定第i个扰动因子为j级的人次，i和j为自然数。

优选地，所述步骤(c)包括：

以所述评价指标体系的指标数量为神经网络模型的输入层的节点数，设定神经网络模型的输出层的节点为风力发电设备的运行状态值；

设置神经网络模型的隐含层的初始节点数，并采用试凑法求解出误差最小时对应的隐含层的节点数，确定隐含层的节点数；

根据公式 $\begin{array}{c}y=g\left(\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{v}_j\right[g\left(\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{x}_i{w}_{\mathrm{ij}}\right)+b_j]+b)\\ e=y-t\end{array},$ 求解出风力发电设备的运行状态值，式中y为运行状态值，g表示选用的函数，m为输入层节点数，n为隐含层节点数，x_i为输入量，w_ij为输入层与隐含层之间的链接权，v_j为隐含层和输出层之间的链接权，b_j为隐含层的偏置权，b为输出层的偏置权，e为误差值，t为目标输出值。

本发明的优点是：通过研究影响风力发电设备稳定运行的扰动因素，从技术运行指标、控制功能指标、系统可靠性指标、系统维修性指标四个方面建立风力发电设备的稳定运行评价体系，并依据稳定运行评价体系，对风力发电设备进行实时评价，根据其评价结果判断属于稳定运行的何种区间，以此确定当前的风力发电设备的运行状态，由此运维人员可进行相应的目标明确的动态巡维，提升风力发电设备运行的稳定性，有效降低风力发电设备的故障概率；通过神经网络模型，大为简化了对风力发电设备构筑研究模型的过程，减少了计算量，并且误差小，贴近实际应用。

附图说明

图1是本发明的步骤流程图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

实施例

如图1所示，一种风力发电设备的运行状态评估方法，其特征在于，包括：

(a)筛选出影响风力发电设备稳定运行的因素，并确定各个因素对应的扰动因子，以及所述扰动因子的扰动系数；

(b)将所述扰动因子按照技术运行指标、控制功能指标、系统可靠性指标、系统维修性指标等四个方面进行归类，建立风力发电设备稳定运行的评价指标体系；

(c)根据所述评价指标体系建立神经网络模型，并对所述神经网络模型进行求解，算出风力发电设备的运行状态值；

(d)比较所述运行状态值和预设的稳定运行阈值，得出风力发电设备的所处的稳定运行等级，并根据所述稳定运行等级做出状态预警和提供检修策略。

本发明是将风力发电设备相关的设备信息、扰动信息进行统一维护与管理，以科学的稳定运行分析，避免不必要的人为因素、环境因素的影响，确保分析结果的及时准确，对评判结果进行状态预警，适时安排检修，减少事故发生，提高设备的管理水平，保障风力发电系统安全稳定运行。

优选地，所述步骤(a)包括：

结合风力发电设备的技术文献、运维人员和专家意见，从影响风力发电设备稳定运行的因素中提取出扰动因子；

由公式计算所述扰动因子的扰动系数λ_i，其中n为参与所述扰动因子评分的人数，λ_ij为第i个扰动因子对应的第j级量纲值，所述量纲值按照对风力发电系统的影响程度分为五个等级，n_ij为判定第i个扰动因子为j级的人次，i和j为自然数。

对于扰动因子的确定，主要是通过深入研究相关技术文献，并咨询具有多年现场运行经验的运维人员以及专家意见，整理出来了影响风力发电设备稳定运行的扰动因子，并请相关专家对各扰动因子给予非常重要、重要、比较重要、一般重要和不重要对应打出相应10、8、6、4、2的分数，即五个等级的量纲值，以此确定各扰动因子的扰动系数λ_i。

如下表，为本发明建立的风力发电设备稳定运行的评价指标体系：

其中，性能指标包括设备的温度、转速等，运行特征包括运行环境的风速、设备的电压和电流等。

为了体现评价指标的科学性及合理性，首先依据构建的扰动因子，对指标进行初选，然后运用统计方法，结合专家咨询，对初步确定的指标进行筛选，剔除对风力发电设备稳定运行贡献不大的指标，并甄选相关性较强的指标，增加遗漏的主要指标，以此完善稳定运行评判体系，最后得出风力发电设备稳定运行域评判指标体系。

本发明从技术运行指标、控制功能指标、系统可靠性指标、系统维修性指标四个方面建立评价指标体系，综合考虑各扰动因子对风力发电设备稳定运行可能造成的影响，建立科学全面的综合性的评价指标体系，并设置稳定运行阈值，确定稳定运行区间。

所述步骤(c)包括：

以所述评价指标体系的指标数量为神经网络模型的输入层的节点数，设定神经网络模型的输出层的节点为风力发电设备的运行状态值；

设置神经网络模型的隐含层的初始节点数，并采用试凑法求解出误差最小时对应的隐含层的节点数，确定隐含层的节点数；

根据公式 $\begin{array}{c}y=g\left(\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{v}_j\right[g\left(\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{x}_i{w}_{\mathrm{ij}}\right)+b_j]+b)\\ e=y-t\end{array},$ 求解出风力发电设备的运行状态值，式中y为运行状态值，g表示选用的函数，m为输入层节点数，n为隐含层节点数。

将上式用向量表示为用向量表示为 $\begin{array}{c}Y=g\left(V\right[g\left(W^{T}X\right)+B_1]+B_2)\\ E=Y-T\end{array}$

隐含层及输出层的激励函数，据此通过神经网络的算法对模型进行求解。在求解过程当中，输入层的节点数量为上述表格中提出的评价指标体系中的三级指标数量；输出层节点设为1个，即风力发电设备的运行稳定值；依据经验，可以暂定隐含层节点数的初始节点数为10个，随后将采用试凑法确定神经网络模型的误差最小时对应的隐节点数。

运用神经网络模型对风力发电设备的稳定运行状态进行求解，得出稳定运行值，并将其与建立的评价指标体系中的稳定运行阈值进行比较，确定该风力发电设备当前的运行区间。

根据风电场实际运维需求，可将风力发电设备的稳定级别设置为6个级别，分别为Ⅰ级、Ⅱ级、Ⅲ级、Ⅳ级、Ⅴ级、Ⅵ级，以S表示稳定值，对应的稳定阈值可以按照下表设置：

稳定级别分类

Ⅰ级

Ⅱ级

Ⅲ级

Ⅳ级

Ⅴ级

Ⅵ级

稳定值(S)

S≥6

6>S≥4

4>S≥2

2>S≥1

1>S≥0.1

S<0.1

根据不同的稳定状态，可给出相应的运维策略，实现风力发电设备的差异化、精益化运维。

本发明通过研究影响风力发电设备稳定运行的扰动因素，从技术运行指标、控制功能指标、系统可靠性指标、系统维修性指标四个方面建立风力发电设备的稳定运行评价体系，并依据稳定运行评价体系，对风力发电设备进行实时评价，根据其评价结果判断属于稳定运行的何种区间，以此确定当前的风力发电设备的运行状态，由此运维人员可进行相应的目标明确的动态巡维，提升风力发电设备运行的稳定性，有效降低风力发电设备的故障概率；通过神经网络模型，大为简化了对风力发电设备构筑研究模型的过程，减少了计算量，并且误差小，贴近实际应用。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本发明可借助软件加必需的硬件平台的方式来实现，当然也可以全部通过硬件来实施。基于这样的理解，本发明的技术方案对背景技术做出贡献的全部或者部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。

以上所述的本发明实施方式，并不构成对本发明保护范围的限定。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明的权利要求保护范围之内。

Claims (3)

1.一种风力发电设备的运行状态评估方法，其特征在于，包括：

(a)筛选出影响风力发电设备稳定运行的因素，并确定各个因素对应的扰动因子，以及所述扰动因子的扰动系数；

(b)将所述扰动因子按照技术运行指标、控制功能指标、系统可靠性指标、系统维修性指标等四个方面进行归类，建立风力发电设备稳定运行的评价指标体系；

(c)根据所述评价指标体系建立神经网络模型，并对所述神经网络模型进行求解，算出风力发电设备的运行状态值；

(d)比较所述运行状态值和预设的稳定运行阈值，得出风力发电设备的所处的稳定运行等级，并根据所述稳定运行等级做出状态预警和提供检修策略。

2.根据权利要求1所述的风力发电设备的运行状态评估方法，其特征在于，所述步骤(a)包括：

结合风力发电设备的技术文献、运维人员和专家意见，从影响风力发电设备稳定运行的因素中提取出扰动因子；

由公式计算所述扰动因子的扰动系数λ_i，其中n为参与所述扰动因子评分的人数，λ_ij为第i个扰动因子对应的第j级量纲值，所述量纲值按照对风力发电系统的影响程度分为五个等级，n_ij为判定第i个扰动因子为j级的人次，i和j为自然数。

3.根据权利要求2所述的风力发电设备的运行状态评估方法，其特征在于，所述步骤(c)包括：

以所述评价指标体系的指标数量为神经网络模型的输入层的节点数，设定神经网络模型的输出层的节点为风力发电设备的运行状态值；

设置神经网络模型的隐含层的初始节点数，并采用试凑法求解出误差最小时对应的隐含层的节点数，确定隐含层的节点数；

根据公式 $\begin{array}{c}y=g\left(\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{v}_j\right[g\left(\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{x}_i{w}_{\mathrm{ij}}\right)+b_j]+b)\\ e=y-t\end{array},$ 求解出风力发电设备的运行状态值，式中，y为运行状态值，g表示选用的函数，m为输入层节点数，n为隐含层节点数，x_i为输入量，w_ij为输入层与隐含层之间的链接权，v_j为隐含层和输出层之间的链接权，b_j为隐含层的偏置权，b为输出层的偏置权，e为误差值，t为目标输出值。