CN108536958B - 一种基于功率曲线健康状态分级的风机实时评价方法 - Google Patents
一种基于功率曲线健康状态分级的风机实时评价方法 Download PDFInfo
- Publication number
- CN108536958B CN108536958B CN201810311742.4A CN201810311742A CN108536958B CN 108536958 B CN108536958 B CN 108536958B CN 201810311742 A CN201810311742 A CN 201810311742A CN 108536958 B CN108536958 B CN 108536958B
- Authority
- CN
- China
- Prior art keywords
- fan
- interval
- power
- power curve
- real
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
- F03D—WIND MOTORS
- F03D17/00—Monitoring or testing of wind motors, e.g. diagnostics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P70/00—Climate change mitigation technologies in the production process for final industrial or consumer products
- Y02P70/50—Manufacturing or production processes characterised by the final manufactured product
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Mechanical Engineering (AREA)
- Combustion & Propulsion (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Sustainable Energy (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Sustainable Development (AREA)
- Wind Motors (AREA)
Abstract
本发明公开了一种基于功率曲线健康状态分级的风机实时评价方法,该方法包括通过厂家提供的待评估风机的型号对应的风功率曲线表数据,使用最小二乘方法建立风机功率曲线的数学模型,拟合形成风功率曲线图;以0.2米风速为一个最小单位,对所述功率曲线图进行分割;通过所述待评估风机最近1年的历史运行秒级数据,在所述功率曲线图上绘制秒级数据的风速‑功率散点图。本申请提供的方法通过历史运行数据得到功率曲线中的状态分级情况,通过实时运行数据判定风机的运行状态是否健康。利用统计数据计算得出风机健康状态的实时评价,方法切实可行,结论合理,有助于风机的运行和维护等相关应用。
Description
技术领域
本发明涉及风电运行状态评估技术领域,特别是涉及一种基于功率曲线健康状态分级的风机实时评价方法。
背景技术
在当前的能源环境背景下,新能源发电特别是风力发电的发展受到了广泛的关注。发展风电成为了减少国民经济对化石能源的依赖、解决能源生产与消费之间的矛盾和减少温室气体排放保持生态平衡的重要途径。随着资源与环境双重压力的持续增大,发展风力发电已成为我国甚至是国际未来能源利用的发展方向。
在过去的一段时间里,风力发电行业快速发展,已经成为我国新能源快速发展的重要力量,极大地推动了我国能源体制改革。但是我国的风电产业依然缺乏核心技术和资料,这使得我国风电技术的发展跟不上风力发电产业发展的需要。随着并网风机的数量越来越大,风电机组运行时间也在不断地増长,风机齿轮箱、主轴及叶片等设备的损坏事故频繁发生,甚至还有风力发电机组倒塌事故发生。这些故障的出现严重地影响了机组正常运行,甚至使得机组停运,对机组的发电质量和经济运行造成了极大的破坏。因此,对风电机组性能的评估研究就显得尤为重要。
发明内容
本发明提供了一种基于功率曲线健康状态分级的风机实时评价方法。
本发明提供了如下方案:
一种基于功率曲线健康状态分级的风机实时评价方法,包括:
通过厂家提供的待评估风机的型号对应的风功率曲线表数据,使用最小二乘方法建立风机功率曲线的数学模型,拟合形成风功率曲线图;
以0.2米风速为一个最小单位,对所述功率曲线图进行分割;
通过所述待评估风机最近1年的历史运行秒级数据,在所述功率曲线图上绘制秒级数据的风速-功率散点图,并去除非运行状态下的点;
通过概率统计分位数设置分割点,在所述风速-功率散点图上划分健康区间、故障区间和亚健康区间;
通过计算所述待评估风机运行的实时十分钟数据获得十分钟内的功率平均值,通过所述功率平均值对风机健康状态进行实时评价。
优选的:所述最小二乘方法使用的函数为多项式拟合函数,所述多项式拟合函数为:
y=∑θixi
式中,θi为第i阶变量的系数,x为风速变量,i为多项式拟合的阶数,y为风机的功率。
优选的:划分健康区间方法为:
对每个分割的小区间做单独的分析,以次序统计量的高四分位数为健康区间的分割点,即在分段的散点分布图中,将中间75%的正常运行的点的最高点定为健康区间的上边界,将最低点定为健康区间的下边界,上边界和下边界中间的区域定为该段的健康区间。
优选的:划分故障区间方法为:
对健康区间外的故障点进行次序统计,以低四分位数为故障区间的分割点,即在位于健康区间上方的故障点中,以靠近健康区间的25%个点的最高点定为故障区间的上边界;在位于健康区间下方的故障点中,以靠近健康区间的25%个点的最低点定为故障区间的下边界,上边界以上以及下边界以下的区域定为该段的故障区间。
优选的:划分亚健康区间方法为:
将健康区间和故障区间之间的区间定为该段的亚健康区间。
优选的:所述待评估风机运行的实时十分钟数据为十分钟的时间段内风机所处环境的平均风速以及总发电量,计算所述待评估风机在十分钟内的平均功率,计算公式为:
式中,Pavei为第i个十分钟数据的平均功率,Pi为第i个十分钟数据的总发电量,Pi-1为第i-1个十分钟数据的总发电量,t为10分钟时间。
优选的:计算所述待评估风机运行的连续两段实时十分钟数据获得两段十分钟内的功率平均值,通过两段十分钟内的所述功率平均值对风机健康状态进行实时评价。
优选的:判断两段段十分钟内的所述功率平均值对应的状态评价区间是否相同,如果是,则可判定风机的状态为该区间对应的状态。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
通过本发明,可以实现一种基于功率曲线健康状态分级的风机实时评价方法,在一种实现方式下,该方法可以包括通过厂家提供的待评估风机的型号对应的风功率曲线表数据,使用最小二乘方法建立风机功率曲线的数学模型,拟合形成风功率曲线图;以0.2米风速为一个最小单位,对所述功率曲线图进行分割;通过所述待评估风机最近1年的历史运行秒级数据,在所述功率曲线图上绘制秒级数据的风速-功率散点图,并去除非运行状态下的点;通过概率统计分位数设置分割点,在所述风速-功率散点图上划分健康区间、故障区间和亚健康区间;通过计算所述待评估风机运行的实时十分钟数据获得十分钟内的功率平均值,通过所述功率平均值对风机健康状态进行实时评价。本申请提供的方法通过历史运行数据得到功率曲线中的状态分级情况,通过实时运行数据判定风机的运行状态是否健康。利用统计数据计算得出风机健康状态的实时评价,方法切实可行,结论合理,有助于风机的运行和维护等相关应用。
当然,实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种基于功率曲线健康状态分级的风机实时评价方法的流程图;
图2为功率曲线分割示意图;
图3为风机运行风速-功率散点示意图;
图4为9.8-10米风速-功率散点示意图;
图5为健康区间划分示意图;
图6为故障区间划分示意图;
图7为亚健康区间划分示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员所获得的所有其他实施例,都属于本发明保护的范围。
实施例
参见图1、图2、图3、图4、图5、图6、图7,为本发明实施例提供的一种基于功率曲线健康状态分级的风机实时评价方法,如图1所示,该方法包括通过厂家提供的待评估风机的型号对应的风功率曲线表数据,使用最小二乘方法建立风机功率曲线的数学模型,拟合形成风功率曲线图;
以0.2米风速为一个最小单位,对所述功率曲线图进行分割;
通过所述待评估风机最近1年的历史运行秒级数据,在所述功率曲线图上绘制秒级数据的风速-功率散点图,并去除非运行状态下的点;
通过概率统计分位数设置分割点,在所述风速-功率散点图上划分健康区间、故障区间和亚健康区间;
通过计算所述待评估风机运行的实时十分钟数据获得十分钟内的功率平均值,通过所述功率平均值对风机健康状态进行实时评价。
该方法在实际应用中,可以包含以下步骤:
步骤1:风功率曲线的拟合与历史秒级数据散点图的绘制,具体包括如下步骤:
步骤1.1:最小二乘法拟合风功率曲线
由于风机生产商标准功率曲线以列表的形式提供,精度为0.5米,为了更好筛选数据,通过最小二乘拟合标准功率曲线。本方法使用最小二乘法多项式拟合,对于给定的离散风功率曲线数据,恰当选取通用模型中的函数类别与具体形式,以保证拟合效果。功率上升部分符合多项式函数的特征,通过多项式拟合函数,实现风功率曲线的拟合。
多项式拟合可以选择不同阶数的拟合函数:
y=∑θixi
其中,θi为第i阶变量的系数,x为风速变量,i为多项式拟合的阶数,y为风机的功率。
本方法比较了2至6阶的拟合函数,选择拟合效果最好的高阶多项式作为标准功率曲线的数学模型。
步骤1.2:风功率曲线分割
以0.2米风速为一个最小单位,对风功率曲线进行分割。
步骤1.3:风机运行数据散点图绘制
通过风机最近一年时间的运行秒级数据,在风功率曲线图上绘制散点图,正常运行的点和故障点用不同颜色的点标记。
步骤2:健康状态等级划分,具体包括如下步骤:
步骤2.1:确定健康区间
对每个分割的小区间做单独的分析,以次序统计量的高四分位数为健康区间的分割点,即在分段的散点分布图中,将中间75%的正常运行的点的最高点定为健康区间的上边界,将最低点定为健康区间的下边界,上边界和下边界中间的区域定为该段的健康区间。
步骤2.2:确定故障区间
对健康区间外的故障点进行次序统计,以低四分位数为故障区间的分割点,即在位于健康区间上方的故障点中,以靠近健康区间的25%个点的最高点定为故障区间的上边界;在位于健康区间下方的故障点中,以靠近健康区间的25%个点的最低点定为故障区间的下边界,上边界以上以及下边界以下的区域定为该段的故障区间。
步骤2.3:确定亚健康区间
将健康区间和故障区间之间的区间定为该段的亚健康区间。
步骤3:风机运行状态实时评价,具体包括如下步骤:
步骤3.1:实时运行十分钟数据处理
风机的十分钟运行数据所体现的是在十分钟的时间段内风机所处环境的平均风速以及总发电量,计算风机在十分钟内的平均功率:
其中,Pavei为第i个十分钟数据的平均功率,Pi为第i个十分钟数据的总发电量,Pi-1为第i-1个十分钟数据的总发电量,t为10分钟时间。
步骤3.2:风机健康状态判断
风机发电对风速的响应有一定的延迟,因此若连续两个十分钟数据中的平均功率落在平均风速对应的状态评价区间相同,则可判定风机的状态为该区间对应的状态。
我国的风力发电发展已有20多年的历史,距离第一批风电机组的投产运行已过了20余年,设备老化等引发的故障停运事故层出不穷,由此引发的经济损失十分庞大,因此对这些机组进行性能评价日益重要。通过实测风速和风功率数据绘制风电机组的实时功率曲线,评估风电机组的亚健康状态,为风电场相关部门提前检修、更换设备等工作提供依据;建立基于风功率曲线的机组性能可靠度评价模型,评估风电机组整体的可靠程度,可以提前预知运营风险,为提高风电场整体经济效益提供参考。为了验证前面提出的方法的有效性和合理行,采取某风电场某风机的数据进行分析验证。具体方法步骤如下所示:
步骤1:风功率曲线的拟合与历史秒级数据散点图的绘制,具体包括如下步骤:
步骤1.1:最小二乘法拟合风功率曲线
由于风机生产商标准功率曲线以列表的形式提供,精度为0.5米,风机标准功率曲线见附表1。
表1 风机标准功率曲线表
从表中可以看出,出厂制定的切入风速为3米每秒,在风速到达12米每秒时进入满发状态,直到风速大于25米每秒就切出。从3米每秒到12米每秒的风速中,对应的功率并不是线性增加,在使用最小二乘法对这部分风功率曲线进行多项式拟合。多项式拟合可以选择不同阶数的拟合函数:
y=∑θixi
其中,θi为第i阶变量的系数,x为风速变量,i为多项式拟合的阶数,y为风机的功率。本方法比较了2至6阶的拟合函数,其中5阶多项式拟合的效果最好。拟合的表达式为:
y=-399.6+40.38x+47.08x2-6.113x3+0.3912x4-0.009701x5\*MERGEFORMAT(7)
步骤1.2:风功率曲线分割
以0.2米风速为一个最小单位,对风功率曲线进行分割。分割的示意图如附图2所示。
步骤1.3:风机运行数据散点图绘制
通过风机最近一年时间的运行秒级数据,在风功率曲线图上绘制散点图,正常运行的点和故障点用不同颜色的点标记。运行数据散点图的示意图如附图3所示(灰度状态下颜色区分不明显)。
步骤2:健康状态等级划分,具体包括如下步骤:
步骤2.1:确定健康区间
对每个分割的小区间做单独的分析,如附图4所示的是风速从9.8米每秒到10米每秒的风功率曲线和运行数据的散点图,以次序统计量的高四分位数为健康区间的分割点。在分割的小区间中,一共有3000个点,中间的75%为2250个点,按照功率从大到小排,将第375个点和第2635个点作为分割点,即第375个点的功率1688kw定为健康区间的上边界,第2635个点的功率1250kw定为健康区间的下边界,上边界和下边界中间的1250kw-1688kw的区域定为该段的健康区间。示意图如附图5所示。
步骤2.2:确定故障区间
对健康区间外的故障点进行次序统计,在健康区间上边界以上有160个故障点,靠近健康区间的25%为40个点,按照功率从小到大排,将第40个故障点的功率1790kw作为分割点,功率大于1790kw以上的区间为故障区间;健康区间下边界以下有220个故障点,靠近健康区间的25%为55个点,按照功率从大到小排,将第55个点的功率1000kw作为分割点,功率小于1000kw以下的区间为故障区间。示意图如附图6所示。
步骤2.3:确定亚健康区间
将健康区间和故障区间之间的区间定为该段的亚健康区间。示意图如附图7所示。
步骤3:风机运行状态实时评价,具体包括如下步骤:
步骤3.1:实时运行十分钟数据处理
读取连续两组风机运行的十分钟数据,第一组数据的平均风速为9.68米每秒,总发电量为4179.1千瓦时;第二组数据平均风速为9.92米每秒,总发电量为4467.4千瓦时;第三组数据平均风速为9.8米每秒,总发电量为4737.3千瓦时,可得最近的十分钟平均功率为:(4737.3-4467.4)÷1/6=1620kw,前一个十分钟平均功率为:(4467.4-4179.1)÷1/6=1730kw。
步骤3.2:风机健康状态判断
连续两个十分钟数据的风速都在9.8-10米每秒的小段中,但是所处的健康状态分级分别为健康和亚健康,因此健康状态评级不能确定,保持为前一次成功确定的状态,若都在健康区间或亚健康区间中,则可确定其状态为健康或亚健康。
总之,本申请提供的方法通过历史运行数据得到功率曲线中的状态分级情况,通过实时运行数据判定风机的运行状态是否健康。利用统计数据计算得出风机健康状态的实时评价,方法切实可行,结论合理,有助于风机的运行和维护等相关应用。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (5)
1.一种基于功率曲线健康状态分级的风机实时评价方法,其特征在于,所述方法包括:
通过厂家提供的待评估风机的型号对应的风功率曲线表数据,使用最小二乘方法建立风机功率曲线的数学模型,拟合形成风功率曲线图;
以0.2米风速为一个最小单位,对所述功率曲线图进行分割;
通过所述待评估风机最近1年的历史运行秒级数据,在所述功率曲线图上绘制秒级数据的风速-功率散点图,并去除非运行状态下的点;
通过概率统计分位数设置分割点,在所述风速-功率散点图上划分健康区间、故障区间和亚健康区间;对每个分割的小区间做单独的分析,以次序统计量的高四分位数为健康区间的分割点,即在分段的散点分布图中,将中间75%的正常运行的点的最高点定为健康区间的上边界,将最低点定为健康区间的下边界,上边界和下边界中间的区域定为该段的健康区间;对健康区间外的故障点进行次序统计,以低四分位数为故障区间的分割点,即在位于健康区间上方的故障点中,以靠近健康区间的25%个点的最高点定为故障区间的上边界;在位于健康区间下方的故障点中,以靠近健康区间的25%个点的最低点定为故障区间的下边界,上边界以上以及下边界以下的区域定为该段的故障区间;将健康区间和故障区间之间的区间定为该段的亚健康区间;
通过计算所述待评估风机运行的实时十分钟数据获得十分钟内的功率平均值,通过所述功率平均值对风机健康状态进行实时评价。
2.根据权利要求1所述的基于功率曲线健康状态分级的风机实时评价方法,其特征在于,所述最小二乘方法使用的函数为多项式拟合函数,所述多项式拟合函数为:
y=∑θixi
式中,θi为第i阶变量的系数,x为风速变量,i为多项式拟合的阶数,y为风机的功率。
4.根据权利要求1所述的基于功率曲线健康状态分级的风机实时评价方法,其特征在于,计算所述待评估风机运行的连续两段实时十分钟数据获得两段十分钟内的功率平均值,通过两段十分钟内的所述功率平均值对风机健康状态进行实时评价。
5.根据权利要求4所述的基于功率曲线健康状态分级的风机实时评价方法,其特征在于,判断两段十分钟内的所述功率平均值对应的状态评价区间是否相同,如果是,则判定风机的状态为该区间对应的状态。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810311742.4A CN108536958B (zh) | 2018-04-09 | 2018-04-09 | 一种基于功率曲线健康状态分级的风机实时评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810311742.4A CN108536958B (zh) | 2018-04-09 | 2018-04-09 | 一种基于功率曲线健康状态分级的风机实时评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108536958A CN108536958A (zh) | 2018-09-14 |
CN108536958B true CN108536958B (zh) | 2021-11-05 |
Family
ID=63479627
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810311742.4A Active CN108536958B (zh) | 2018-04-09 | 2018-04-09 | 一种基于功率曲线健康状态分级的风机实时评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108536958B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109242322A (zh) * | 2018-09-17 | 2019-01-18 | 江阴利港发电股份有限公司 | 基于数据分析的火力发电机组健康水平评估方法 |
CN109492855B (zh) * | 2018-09-17 | 2022-06-14 | 江阴利港发电股份有限公司 | 基于数据模型的凝汽器式汽轮机排汽温度预测方法 |
CN110083896B (zh) * | 2019-04-12 | 2023-03-24 | 沈阳工业大学 | 风电机组运行功率曲线达标符合度评价方法 |
CN110347889B (zh) * | 2019-08-05 | 2021-07-23 | 上海华兴数字科技有限公司 | 一种档位特征关系的建立、档位评价及档位推荐方法 |
CN112085585A (zh) * | 2020-08-03 | 2020-12-15 | 北京贝壳时代网络科技有限公司 | 一种信用风险等级评估方法及系统 |
CN113431800A (zh) * | 2021-07-16 | 2021-09-24 | 西安热工研究院有限公司 | 一种实时判别风机运行状态的方法 |
CN113744884A (zh) * | 2021-09-30 | 2021-12-03 | 西南政法大学 | 一种学生健康数据预警及干预方法、系统 |
CN114595989A (zh) * | 2022-03-15 | 2022-06-07 | 北京博数智源人工智能科技有限公司 | 一种风电机组性能评估方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102588210A (zh) * | 2011-12-21 | 2012-07-18 | 中能电力科技开发有限公司 | 一种用于功率曲线拟合数据预处理的滤波方法 |
CN103150473A (zh) * | 2013-03-01 | 2013-06-12 | 风脉(武汉)可再生能源技术有限责任公司 | 一种风电机组发电效率实时监控诊断方法及装置 |
CN105160060A (zh) * | 2015-07-17 | 2015-12-16 | 中国电力科学研究院 | 一种基于实际功率曲线拟合的风电场理论功率确定方法 |
CN107247997A (zh) * | 2017-05-18 | 2017-10-13 | 北京唐浩电力工程技术研究有限公司 | 一种风电场风机电量分析方法 |
CN107330183A (zh) * | 2017-06-29 | 2017-11-07 | 华北电力大学 | 一种基于运行数据的风电利用率计算方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103514353A (zh) * | 2012-06-29 | 2014-01-15 | 国际商业机器公司 | 新增风机的功率预测方法和系统 |
-
2018
- 2018-04-09 CN CN201810311742.4A patent/CN108536958B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102588210A (zh) * | 2011-12-21 | 2012-07-18 | 中能电力科技开发有限公司 | 一种用于功率曲线拟合数据预处理的滤波方法 |
CN103150473A (zh) * | 2013-03-01 | 2013-06-12 | 风脉(武汉)可再生能源技术有限责任公司 | 一种风电机组发电效率实时监控诊断方法及装置 |
CN105160060A (zh) * | 2015-07-17 | 2015-12-16 | 中国电力科学研究院 | 一种基于实际功率曲线拟合的风电场理论功率确定方法 |
CN107247997A (zh) * | 2017-05-18 | 2017-10-13 | 北京唐浩电力工程技术研究有限公司 | 一种风电场风机电量分析方法 |
CN107330183A (zh) * | 2017-06-29 | 2017-11-07 | 华北电力大学 | 一种基于运行数据的风电利用率计算方法 |
Non-Patent Citations (4)
Title |
---|
Data-Driven Wind Turbine Power Generation Performance Monitoring;Huan Long 等;《IEEE TRANSACTIONS ON INDUSTRIAL ELECTRONICS》;20150619;第62卷(第10期);第6627-6635页 * |
Using Gaussian Process Theory for Wind Turbine Power Curve Analysis with Emphasis on the Confidence Intervals;Ravi Kumar Pandit 等;《2017 6th International Conference on Clean Electrical Power》;20170818;第744-749页 * |
基于SCADA数据的风电机组性能分析及健康状态评估;张鑫淼;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20180315(第3期);第C042-106页 * |
风电场功率预测系统;孟凯峰 等;《电力行业信息化优秀成果集2013》;20131113;第485-491页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108536958A (zh) | 2018-09-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108536958B (zh) | 一种基于功率曲线健康状态分级的风机实时评价方法 | |
Reder et al. | Data-driven learning framework for associating weather conditions and wind turbine failures | |
CN110598726A (zh) | 一种基于随机森林的输电杆塔鸟害风险预测方法 | |
US20140324495A1 (en) | Wind turbine maintenance optimizer | |
CN108443088B (zh) | 一种基于累计概率分布的风电机组状态判定方法 | |
CN111488896B (zh) | 一种基于多源数据挖掘的配电线路时变故障概率计算方法 | |
CN102914969A (zh) | 一种短期风电功率预测系统的综合误差修正方法 | |
CN102867221A (zh) | 一种中长期电量预测动态横向修正方法 | |
EP2381094A1 (en) | Energy network and control thereof | |
CN111369168A (zh) | 一种适应电网多种调控运行场景的关联特征选择方法 | |
CN114442198B (zh) | 一种基于加权算法的森林火险气象等级预报方法 | |
Pettas et al. | On the effects of inter-farm interactions at the offshore wind farm Alpha Ventus | |
CN102680226A (zh) | 一种水平轴风力机专用翼型性能评估方法 | |
Hwangbo et al. | A production economics analysis for quantifying the efficiency of wind turbines | |
CN114781657B (zh) | 一种基于人工智能的电力设备检修系统及方法 | |
CN114968999A (zh) | 一种基于时序匹配和双向四分位算法的异常数据清洗方法 | |
Faulstich et al. | Modelling the failure behaviour of wind turbines | |
Cabezon et al. | Comparison of methods for power curve modelling | |
CN110273818B (zh) | 一种基于轴变换粗细度分类的风机叶片结冰故障监测方法 | |
Lin et al. | Spatio-temporal evaluation of electricity price risk considering multiple uncertainties under extreme cold weather | |
CN107886227B (zh) | 用于评估配电网抗灾害能力提升程度的方法 | |
CN111178601B (zh) | 一种基于气象数据后处理的风电机组功率预测方法 | |
CN114493365A (zh) | 一种含风电场电力系统连锁故障脆弱性的评估方法 | |
CN114020729A (zh) | 一种基于风机功率曲线的风电场功率数据清洗方法 | |
Lou et al. | A data-mining approach for wind turbine power generation performance monitoring based on power curve |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |