CN112730877A - 一种风电机组偏航频繁检测预警算法 - Google Patents
一种风电机组偏航频繁检测预警算法 Download PDFInfo
- Publication number
- CN112730877A CN112730877A CN202011505251.7A CN202011505251A CN112730877A CN 112730877 A CN112730877 A CN 112730877A CN 202011505251 A CN202011505251 A CN 202011505251A CN 112730877 A CN112730877 A CN 112730877A
- Authority
- CN
- China
- Prior art keywords
- yaw
- early warning
- wind turbine
- turbine generator
- algorithm
- 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.)
- Pending
Links
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 86
- 238000001514 detection method Methods 0.000 title claims abstract description 53
- 238000000034 method Methods 0.000 claims abstract description 55
- 238000013450 outlier detection Methods 0.000 claims abstract description 27
- 238000012423 maintenance Methods 0.000 claims abstract description 17
- 230000005856 abnormality Effects 0.000 claims abstract description 12
- 238000004364 calculation method Methods 0.000 claims abstract description 12
- 230000002159 abnormal effect Effects 0.000 claims description 18
- 238000005516 engineering process Methods 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 14
- 238000012216 screening Methods 0.000 claims description 13
- 238000004891 communication Methods 0.000 claims description 10
- 230000005540 biological transmission Effects 0.000 claims description 7
- 239000003086 colorant Substances 0.000 claims description 3
- 238000012790 confirmation Methods 0.000 claims description 3
- 238000013461 design Methods 0.000 abstract description 4
- 238000004088 simulation Methods 0.000 abstract description 3
- 230000006872 improvement Effects 0.000 description 11
- 238000004590 computer program Methods 0.000 description 8
- 230000003993 interaction Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- 238000005299 abrasion Methods 0.000 description 3
- 238000004140 cleaning Methods 0.000 description 3
- 238000010248 power generation Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 201000009482 yaws Diseases 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000009347 mechanical transmission Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
- G01P3/00—Measuring linear or angular speed; Measuring differences of linear or angular speeds
- G01P3/42—Devices characterised by the use of electric or magnetic means
- G01P3/44—Devices characterised by the use of electric or magnetic means for measuring angular speed
- G01P3/48—Devices characterised by the use of electric or magnetic means for measuring angular speed by measuring frequency of generated current or voltage
- G01P3/481—Devices characterised by the use of electric or magnetic means for measuring angular speed by measuring frequency of generated current or voltage of pulse signals
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Wind Motors (AREA)
Abstract
本发明涉及风电机组异常检测技术领域，具体地说，涉及一种风电机组偏航频繁检测预警算法。包括数据采集、风机偏航次数统计、偏航次数离群点检测、风电机组偏航频繁预标记、偏航频繁概率计算及风电机组偏航频繁预警等步骤。本发明设计不需要风机复杂结构的设计参数，无需建模仿真，也不需要加装传感器，可以快速计算分析数据，方便部署，并且识别精度较高，及时发现风电机组异常，并降低由于摩擦片过度磨损带可能来的设备故障风险，可以有效提高风电场的后期运维效率，降低使用及运维成本。
Description
技术领域
本发明涉及风电机组异常检测技术领域，具体地说，涉及一种风电机组偏航频繁检测预警算法。
背景技术
近年来，风电装机逐年增加，大型风电机组是风力发电的核心。偏航系统作为大型风力发电机组最为重要的子系统，其性能极大地影响着整个发电机组的性能。偏航系统结构复杂，是一个机、电、控制一体化的功能性系统，机械传动偏差、传感器误差、控制参数设置不合理等原因都会造成偏航系统性能产生异常。由于偏航系统的异常，例如，控制系统异常，偏航硬件失效(如偏航摩擦片磨损严重，偏航卡钳失效)都会导致风电机组的偏航系统进行频繁的偏航，极大地影响风电机组的发电稳定性，也会造成比较严重的硬件失效，甚至是安全事故。因此，提前对风电机机组的偏航次数进行统计分析，识别出偏航频繁的风电机组，对于风电机组的安全稳定发电有着十分重要的意义。
目前没有直接针对偏航频繁进行检测的一些算法与方法，针对偏航摩擦片的问题，通常采取建立制动盘和摩擦片的热力耦合接触模型和加装传感器两类方法，但这两种方式仍然存在较大问题，如：采用物理模型仿真类的方法，需要风电机组的详细结构参数，这些结构参数往往是比较机密的结构设计参数，很难获取到；而采用加装传感器的方法，在已经建设好的风电机组上加装传感器实施比较麻烦，且成本高。
发明内容
本发明的目的在于提供一种风电机组偏航频繁检测预警算法，以解决上述背景技术中提出的问题。
为实现上述技术问题的解决，本发明的目的之一在于，提供一种风电机组偏航频繁检测预警算法，包括如下步骤：
S1、数据采集；
S2、风机偏航次数统计；
S3、偏航次数离群点检测；
S4、风电机组偏航频繁预标记；
S5、偏航频繁概率计算；
S6、风电机组偏航频繁预警。
作为本技术方案的进一步改进，所述S1中，数据采集的方法流程包括如下步骤：
S1.1、首先在计算机上编写并构建偏航检测及预警的算法系统，再将算法系统部署在独立的计算机或云端或风电机组系统上；
S1.2、通过无线传输及大数据云平台技术，将算法系统与风电机组的scada系统连接起来，用于读取并接收系统内对风机偏航状况的记录数据；
S1.3、在计算机上编写检修记录的登记程序，用于给检修工人提供记录每次检修状况的平台，并与算法程序共享数据；
S1.4、通过无线通讯技术，将安装风电机组时部署在各组风机上的传感器连接到算法系统上，并及时将采集的数据上传到算法系统。
作为本技术方案的进一步改进，所述S1.1中，当风电机组部署在风场内且其硬件及软件负载能力足够时，可以直接将算法系统装载在风电机组系统上；当风电机组部署在远离风场外，且通讯技术不够稳定时，可以在风场内设置独立的计算机设备，并将算法系统装载在独立的计算机系统上；当风电机组部署在远离风场外，且通讯技术稳定时，可以将算法系统装载在云端，实现远程对风电机组偏航的检测及预警操作。
作为本技术方案的进一步改进，所述S2中，风机偏航次数统计的方法流程包括如下步骤：
S2.1、分别读取各渠道采集的数据，通过提取关键词的算法，提取与风机偏航记录相关的数据，并将各渠道提取的数据转换为统一格式；
S2.2、结合各组数据，对数据进行对比、清筛，筛除无效及重复的数据；
S2.3、基于上述处理后的数据，划定不同的时间周期，按照时间周期的大小，划分K个时间窗口；
S2.4、按照上述划分的时间周期，分别统计同一窗口内每台风机的偏航次数Nij(其中，i＝1,2,...，M，j＝1,2,...，K，M为该风场内的所有风机数)；
S2.5、将上述统计结果分别存储到每台风机对应的文件内，以便进行读取。
作为本技术方案的进一步改进，所述S2.3中，划分的时间周期包括但不限于小时、天、星期、月、季、半年、一年、两年等。
作为本技术方案的进一步改进，所述S3中，偏航次数离群点检测的方法包括如下步骤：
S3.1、将同一时间窗口内的所有风机的偏航次数作为一个数据集合Setij(其中，i＝1,2,...，M，j＝1,2,...，K)，做多级的离群点检测；
S3.2、在S3.1的基础上，采用不同的离群点检测方法，分别对每个数据集合进行1～n次的离群点检测。
作为本技术方案的进一步改进，所述S3.2中，离群点检测的方法包括但不限于局部异常因子检测算法(LOF)、孤立森林(TForest)、one-clas SVM算法等，且计算过程中不限定算法及算法的优先级，系统随机采用其中一种或若干检测方法。
作为本技术方案的进一步改进，所述S4中，风电机组偏航频繁预标记的方法包括如下步骤：
S4.1、针对同一时间窗口内的多次离群点检测操作过程，将多次检测中只有一次检测出离群的风机标记为一级偏航频繁；
S4.2、针对同一时间窗口内的多次离群点检测操作过程，将多次检测中其中任意两次检测出离群的风机标记为二级偏航频繁；
S4.3、针对同一时间窗口内的多次离群点检测操作过程，将多次检测中其中任意三次检测出离群的风机标记为三级偏航频繁；
S4.4、按照上述流程，依次类推，可以标记出同一选定时间内每台风机的偏航频率等级。
作为本技术方案的进一步改进，所述S5中，偏航频繁概率计算的方法包括如下步骤：
S5.1、统计每台风机在K个时间窗口内的一级异常标记数Lij 1，并分别计算出每台风机出现一级异常的概率值Pi 1＝Lij 1/K(其中，i＝1,2,...，M，j＝1,2,...，K)；
S5.2、统计每台风机在K个时间窗口内的二级异常标记数Lij 2，并分别计算出每台风机出现二级异常的概率值Pi 2＝Lij 2/K(其中，i＝1,2,...，M，j＝1,2,...，K)；
S5.3、统计每台风机在K个时间窗口内的三级异常标记数Lij 3，并分别计算出每台风机出现三级异常的概率值Pi 3＝Lij 3/K(其中，i＝1,2,...，M，j＝1,2,...，K)；
S5.4、按照上述流程，依次类推，可以计算出每台风机在选定时间内的一个或若干异常概率值。
作为本技术方案的进一步改进，所述S6中，风电机组偏航频繁预警的方法包括如下步骤：
S6.1、针对同一型号的风机，分别设定一级、二级及三级偏航频繁概率的阈值，且一级、二级及三级的阈值依次增大；
S6.2、按一级预警、二级预警及三级预警的顺序依次提高预警的强度，并采用不同颜色或消息提示音分别标记其对应的紧急度；
S6.3、分别将每台风机在选定时间区域内计算出的若干偏航频繁概率值依次与一级、二级及三级的阈值进行对比；
S6.4、在S6.3中，当任意一个偏航频繁概率值超过三级阈值，则针对该台风机发出三级预警；
S6.5、在S6.3中，当若干偏航频繁概率值都未超过三级阈值但任意一个偏航频繁概率值超过二级阈值，则针对该台风机发出二级预警；
S6.6、在S6.3中，当若干偏航频繁概率值都未超过二级阈值但任意一个偏航频繁概率值超过一级阈值，则针对该台风机发出一级预警；
S6.7、系统发出预警时，用户可以通过用户终端进行预警确认的操作，当系统检测到用户终端在一段时间内没有接收到用户对预警消息进行确认的反馈信号时，则向在岗用户的移动终端上发送预警消息；
S6.8、用户在终端上确认预警，并及时根据预警紧急度由高至低依次对偏航频繁的风机进行检修及纠偏操作，检修完成后，在移动终端或用户终端上更新维修记录。
本发明的目的之二在于，提供一种风电机组偏航频繁检测预警算法系统，包括数据采集单元、数据处理单元、偏航预警单元和人机交互单元；所述数据采集单元用于采集各风电机组的历史偏航数据；所述数据处理单元用于对历史偏航数据进行清筛、统计及计算以便预测风机偏航情况；所述偏航预警单元用于通过数据计算结果预判风机是否偏航并进行预警；所述人机交互单元用于给用户与算法系统之间建立交互的通道。
作为本技术方案的进一步改进，所述数据处理单元包括数据清筛模块、数据统计模块、离群检测模块和概率计算模块；所述数据清筛模块用于对数据进行格式统一并筛除无效数据；所述数据统计模块用于按不同时间周期分别统计各风机的历史偏航次数；所述离群检测模块用于通过离群点检测算法判断风机是否出现偏航频繁的情况；所述概率计算模块用于计算每台风机出现偏航频繁的概率以便及时预警
作为本技术方案的进一步改进，所述人机交互单元包括界面显示模块、信号互传模块和信息录入模块；所述界面显示模块用于在用户终端上向用户展示预警信息；所述信号互传模块用于给用户提供反馈信息的通道；所述信息录入模块用于给用户提供录入新数据的途径以便更新历史数据库。
本发明的目的之三在于，提供一种风电机组偏航频繁检测预警算法装置，包括处理器、存储器以及存储在存储器中并在处理器上运行的计算机程序，处理器用于执行计算机程序时实现上述任一的风电机组偏航频繁检测预警算法的步骤。
本发明的目的之四在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述任一的风电机组偏航频繁检测预警算法的步骤。
与现有技术相比，本发明的有益效果：该风电机组偏航频繁检测预警算法中，基于风电机组已有的历史运行数据进行计算，用以识别风电机组是否存在偏航频繁问题，并进一步预测其是否存在偏航摩擦片磨损的问题，不需要风机复杂结构的设计参数，无需建模仿真，也不需要加装传感器，可以快速计算分析数据，方便部署，并且识别精度较高，及时发现风电机组异常，并降低由于摩擦片过度磨损带可能来的设备故障风险，降低使用及运维成本，可以有效提高风电场的后期运维效率。
附图说明
图1为本发明中的示例性产品架构图；
图2为本发明中的算法整体流程图；
图3为本发明中的算法局部流程图之一；
图4为本发明中的算法局部流程图之二；
图5为本发明中的算法局部流程图之三；
图6为本发明中的算法局部流程图之四；
图7为本发明中的算法局部流程图之五；
图8为本发明中的算法局部流程图之六。
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在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
算法实施例
如图1-图8所示，本实施例的目的在于，提供一种风电机组偏航频繁检测预警算法，包括如下步骤：
S1、数据采集；
S2、风机偏航次数统计；
S3、偏航次数离群点检测；
S4、风电机组偏航频繁预标记；
S5、偏航频繁概率计算；
S6、风电机组偏航频繁预警。
本实施例中，S1中，数据采集的方法流程包括如下步骤：
S1.1、首先在计算机上编写并构建偏航检测及预警的算法系统，再将算法系统部署在独立的计算机或云端或风电机组系统上；
S1.2、通过无线传输及大数据云平台技术，将算法系统与风电机组的scada系统连接起来，用于读取并接收系统内对风机偏航状况的记录数据；
S1.3、在计算机上编写检修记录的登记程序，用于给检修工人提供记录每次检修状况的平台，并与算法程序共享数据；
S1.4、通过无线通讯技术，将安装风电机组时部署在各组风机上的传感器连接到算法系统上，并及时将采集的数据上传到算法系统。
具体地，S1.1中，当风电机组部署在风场内且其硬件及软件负载能力足够时，可以直接将算法系统装载在风电机组系统上；当风电机组部署在远离风场外，且通讯技术不够稳定时，可以在风场内设置独立的计算机设备，并将算法系统装载在独立的计算机系统上；当风电机组部署在远离风场外，且通讯技术稳定时，可以将算法系统装载在云端，实现远程对风电机组偏航的检测及预警操作。
本实施例中，S2中，风机偏航次数统计的方法流程包括如下步骤：
S2.1、分别读取各渠道采集的数据，通过提取关键词的算法，提取与风机偏航记录相关的数据，并将各渠道提取的数据转换为统一格式；
S2.2、结合各组数据，对数据进行对比、清筛，筛除无效及重复的数据；
S2.3、基于上述处理后的数据，划定不同的时间周期，按照时间周期的大小，划分K个时间窗口；
S2.4、按照上述划分的时间周期，分别统计同一窗口内每台风机的偏航次数Nij(其中，i＝1,2,...，M，j＝1,2,...，K，M为该风场内的所有风机数)；
S2.5、将上述统计结果分别存储到对应的文件内，以便进行读取。
其中，S2.3中，划分的时间周期包括但不限于小时、天、星期、月、季、半年、一年、两年等。
其中，S2.3中，时间周期的划分方式可以采用固定时间点划分的方法，也可以采用按算法进行的时间点向前推算时间段的方法，本实施例中优选第二种方法，可以提高预警测算的精确度与即时性。
本实施例中，S3中，偏航次数离群点检测的方法包括如下步骤：
S3.1、将同一时间窗口内的所有风机的偏航次数作为一个数据集合Setij(其中，i＝1,2,...，M，j＝1,2,...，K)，做多级的离群点检测；
S3.2、在S3.1的基础上，采用不同的离群点检测方法，分别对每个数据集合进行1～n次的离群点检测。
其中，n＝1,2，...，m，其中采用一次离群点检测的算法，可以提高检测及预警的工作效率，但精度不高；采用多次离群点检测的算法，可以提高检测及预警的精度，但耗时较长，用户在使用过程中可根据风场的实际运行状况进行选择与设定。
具体地，S3.2中，离群点检测的方法包括但不限于局部异常因子检测算法(LOF)、孤立森林(TForest)、one-clas SVM算法等，且计算过程中不限定算法及算法的优先级，系统随机采用其中一种或若干检测方法。
其中，LOF的算法公式为：
其中，式(1)为点p的局部可达密度，表示为点p的第k邻域内点到p的平均可达距离的倒数；式(2)为点p的局部离群因子，表示为点p的邻域点NK(p)的局部可达密度与点p的局部可达密度之比的平均数。
其中，TForest的算法公式为：
其中，
其中，S(x，ψ)为计算异常值分数的公式，具体表示为：对于每一个数据点xi，令其遍历每一棵孤立树(iTree)，计算点xi在森林中的平均高度h(xi)，对所有点的平均高度做归一化处理。
其中，one-clas SVM的算法公式为：
其中，上式为两个数据点的距离函数，通过z到中心的距离小于或者等于半径来判断新的数据点z是否在类内。
本实施例中，S4中，风电机组偏航频繁预标记的方法包括如下步骤：
S4.1、针对同一时间窗口内的多次离群点检测操作过程，将多次检测中只有一次检测出离群的风机标记为一级偏航频繁；
S4.2、针对同一时间窗口内的多次离群点检测操作过程，将多次检测中其中任意两次检测出离群的风机标记为二级偏航频繁；
S4.3、针对同一时间窗口内的多次离群点检测操作过程，将多次检测中其中任意三次检测出离群的风机标记为三级偏航频繁；
S4.4、按照上述流程，依次类推，可以标记出同一选定时间内每台风机的偏航频率等级。
此外，值得说明的是，上述偏航频繁的标记等级定义方法仅为一种示例性方法，具体施用过程中也可以采用其他方式定义，需在算法系统中预先进行设定及编写。
本实施例中，S5中，偏航频繁概率计算的方法包括如下步骤：
S5.1、统计每台风机在K个时间窗口内的一级异常标记数Lij 1，并分别计算出每台风机出现一级异常的概率值Pi 1＝Lij 1/K(其中，i＝1,2,...，M，j＝1,2,...，K)；
S5.2、统计每台风机在K个时间窗口内的二级异常标记数Lij 2，并分别计算出每台风机出现二级异常的概率值Pi 2＝Lij 2/K(其中，i＝1,2,...，M，j＝1,2,...，K)；
S5.3、统计每台风机在K个时间窗口内的三级异常标记数Lij 3，并分别计算出每台风机出现三级异常的概率值Pi 3＝Lij 3/K(其中，i＝1,2,...，M，j＝1,2,...，K)；
S5.4、按照上述流程，依次类推，可以计算出每台风机在选定时间内的一个或若干异常概率值。
本实施例中，S6中，风电机组偏航频繁预警的方法包括如下步骤：
S6.1、针对同一型号的风机，分别设定一级、二级及三级偏航频繁概率的阈值，且一级、二级及三级的阈值依次增大；
S6.2、按一级预警、二级预警及三级预警的顺序依次提高预警的强度，并采用不同颜色或消息提示音分别标记其对应的紧急度；
S6.3、分别将每台风机在选定时间区域内计算出的若干偏航频繁概率值依次与一级、二级及三级的阈值进行对比；
S6.4、在S6.3中，当任意一个偏航频繁概率值超过三级阈值，则针对该台风机发出三级预警；
S6.5、在S6.3中，当若干偏航频繁概率值都未超过三级阈值但任意一个偏航频繁概率值超过二级阈值，则针对该台风机发出二级预警；
S6.6、在S6.3中，当若干偏航频繁概率值都未超过二级阈值但任意一个偏航频繁概率值超过一级阈值，则针对该台风机发出一级预警；
S6.7、系统发出预警时，用户可以通过用户终端进行预警确认的操作，当系统检测到用户终端在一段时间内没有接收到用户对预警消息进行确认的反馈信号时，则向在岗用户的移动终端上发送预警消息；
S6.8、用户在终端上确认预警，并及时根据预警紧急度由高至低依次对偏航频繁的风机进行检修及纠偏操作，检修完成后，在移动终端或用户终端上更新维修记录。
系统实施例
本实施例的目的在于，提供一种风电机组偏航频繁检测预警算法系统，包括数据采集单元、数据处理单元、偏航预警单元和人机交互单元；数据采集单元用于采集各风电机组的历史偏航数据；数据处理单元用于对历史偏航数据进行清筛、统计及计算以便预测风机偏航情况；偏航预警单元用于通过数据计算结果预判风机是否偏航并进行预警；人机交互单元用于给用户与算法系统之间建立交互的通道。
本实施例中，数据处理单元包括数据清筛模块、数据统计模块、离群检测模块和概率计算模块；数据清筛模块用于对数据进行格式统一并筛除无效数据；数据统计模块用于按不同时间周期分别统计各风机的历史偏航次数；离群检测模块用于通过离群点检测算法判断风机是否出现偏航频繁的情况；概率计算模块用于计算每台风机出现偏航频繁的概率以便及时预警
本实施例中，人机交互单元包括界面显示模块、信号互传模块和信息录入模块；界面显示模块用于在用户终端上向用户展示预警信息；信号互传模块用于给用户提供反馈信息的通道；信息录入模块用于给用户提供录入新数据的途径以便更新历史数据库。
产品及电子设备实施例
如图1所示，示出了本发明的一种示例性产品结构，包括计算机及其配套的用户终端、移动终端，计算机通过无线通讯技术与风电机组的scada系统连接、实现数据共享，同时计算机还可以录入检修记录及传感器数据。
其中，需要说明的是，图编码模块、建立云模型模块、感知检测模块的功能具体参见各模块对应的方法部分的描述，这里就不再赘述。
进一步地，本实施例还包括一种风电机组偏航频繁检测预警算法装置，包括处理器、存储器以及存储在存储器中并在处理器上运行的计算机程序。
处理器包括一个或一个以上处理核心，处理器通过总线与处理器相连，存储器用于存储程序指令，处理器执行存储器中的程序指令时实现上述的风电机组偏航频繁检测预警算法。
可选的，存储器可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随时存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
此外，本发明还提供一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现上述的风电机组偏航频繁检测预警算法的步骤。
可选的，本发明还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述各方面风电机组偏航频繁检测预警算法的步骤。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，的程序可以存储与一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的仅为本发明的优选例，并不用来限制本发明，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (10)
1.一种风电机组偏航频繁检测预警算法，其特征在于：包括如下步骤：
S1、数据采集；
S2、风机偏航次数统计；
S3、偏航次数离群点检测；
S4、风电机组偏航频繁预标记；
S5、偏航频繁概率计算；
S6、风电机组偏航频繁预警。
2.根据权利要求1所述的风电机组偏航频繁检测预警算法，其特征在于：所述S1中，数据采集的方法流程包括如下步骤：
S1.1、首先在计算机上编写并构建偏航检测及预警的算法系统，再将算法系统部署在独立的计算机或云端或风电机组系统上；
S1.2、通过无线传输及大数据云平台技术，将算法系统与风电机组的scada系统连接起来，用于读取并接收系统内对风机偏航状况的记录数据；
S1.3、在计算机上编写检修记录的登记程序，用于给检修工人提供记录每次检修状况的平台，并与算法程序共享数据；
S1.4、通过无线通讯技术，将安装风电机组时部署在各组风机上的传感器连接到算法系统上，并及时将采集的数据上传到算法系统。
3.根据权利要求2所述的风电机组偏航频繁检测预警算法，其特征在于：所述S1.1中，当风电机组部署在风场内且其硬件及软件负载能力足够时，可以直接将算法系统装载在风电机组系统上；当风电机组部署在远离风场外，且通讯技术不够稳定时，可以在风场内设置独立的计算机设备，并将算法系统装载在独立的计算机系统上；当风电机组部署在远离风场外，且通讯技术稳定时，可以将算法系统装载在云端，实现远程对风电机组偏航的检测及预警操作。
4.根据权利要求1所述的风电机组偏航频繁检测预警算法，其特征在于：所述S2中，风机偏航次数统计的方法流程包括如下步骤：
S2.1、分别读取各渠道采集的数据，通过提取关键词的算法，提取与风机偏航记录相关的数据，并将各渠道提取的数据转换为统一格式；
S2.2、结合各组数据，对数据进行对比、清筛，筛除无效及重复的数据；
S2.3、基于上述处理后的数据，划定不同的时间周期，按照时间周期的大小，划分K个时间窗口；
S2.4、按照上述划分的时间周期，分别统计同一窗口内每台风机的偏航次数Nij(其中，i＝1,2,...，M，j＝1,2,...，K，M为该风场内的所有风机数)；
S2.5、将上述统计结果分别存储到对应的文件内，以便进行读取。
5.根据权利要求4所述的风电机组偏航频繁检测预警算法，其特征在于：所述S2.3中，划分的时间周期包括但不限于小时、天、星期、月、季、半年、一年、两年等。
6.根据权利要求1所述的风电机组偏航频繁检测预警算法，其特征在于：所述S3中，偏航次数离群点检测的方法包括如下步骤：
S3.1、将同一时间窗口内的所有风机的偏航次数作为一个数据集合Setij(其中，i＝1,2,...，M，j＝1,2,...，K)，做多级的离群点检测；
S3.2、在S3.1的基础上，采用不同的离群点检测方法，分别对每个数据集合进行1～n次的离群点检测。
7.根据权利要求6所述的风电机组偏航频繁检测预警算法，其特征在于：所述S3.2中，离群点检测的方法包括但不限于局部异常因子检测算法(LOF)、孤立森林(TForest)、one-clas SVM算法等，且计算过程中不限定算法及算法的优先级，系统随机采用其中一种或若干检测方法。
8.根据权利要求1所述的风电机组偏航频繁检测预警算法，其特征在于：所述S4中，风电机组偏航频繁预标记的方法包括如下步骤：
S4.1、针对同一时间窗口内的多次离群点检测操作过程，将多次检测中只有一次检测出离群的风机标记为一级偏航频繁；
S4.2、针对同一时间窗口内的多次离群点检测操作过程，将多次检测中其中任意两次检测出离群的风机标记为二级偏航频繁；
S4.3、针对同一时间窗口内的多次离群点检测操作过程，将多次检测中其中任意三次检测出离群的风机标记为三级偏航频繁；
S4.4、按照上述流程，依次类推，可以标记出同一选定时间内每台风机的偏航频率等级。
9.根据权利要求1所述的风电机组偏航频繁检测预警算法，其特征在于：所述S5中，偏航频繁概率计算的方法包括如下步骤：
S5.1、统计每台风机在K个时间窗口内的一级异常标记数Lij 1，并分别计算出每台风机出现一级异常的概率值Pi 1＝Lij 1/K(其中，i＝1,2,...，M，j＝1,2,...，K)；
S5.2、统计每台风机在K个时间窗口内的二级异常标记数Lij 2，并分别计算出每台风机出现二级异常的概率值Pi 2＝Lij 2/K(其中，i＝1,2,...，M，j＝1,2,...，K)；
S5.3、统计每台风机在K个时间窗口内的三级异常标记数Lij 3，并分别计算出每台风机出现三级异常的概率值Pi 3＝Lij 3/K(其中，i＝1,2,...，M，j＝1,2,...，K)；
S5.4、按照上述流程，依次类推，可以计算出每台风机在选定时间内的一个或若干异常概率值。
10.根据权利要求1所述的风电机组偏航频繁检测预警算法，其特征在于：所述S6中，风电机组偏航频繁预警的方法包括如下步骤：
S6.1、针对同一型号的风机，分别设定一级、二级及三级偏航频繁概率的阈值，且一级、二级及三级的阈值依次增大；
S6.2、按一级预警、二级预警及三级预警的顺序依次提高预警的强度，并采用不同颜色或消息提示音分别标记其对应的紧急度；
S6.3、分别将每台风机在选定时间区域内计算出的若干偏航频繁概率值依次与一级、二级及三级的阈值进行对比；
S6.4、在S6.3中，当任意一个偏航频繁概率值超过三级阈值，则针对该台风机发出三级预警；
S6.5、在S6.3中，当若干偏航频繁概率值都未超过三级阈值但任意一个偏航频繁概率值超过二级阈值，则针对该台风机发出二级预警；
S6.6、在S6.3中，当若干偏航频繁概率值都未超过二级阈值但任意一个偏航频繁概率值超过一级阈值，则针对该台风机发出一级预警；
S6.7、系统发出预警时，用户可以通过用户终端进行预警确认的操作，当系统检测到用户终端在一段时间内没有接收到用户对预警消息进行确认的反馈信号时，则向在岗用户的移动终端上发送预警消息；
S6.8、用户在终端上确认预警，并及时根据预警紧急度由高至低依次对偏航频繁的风机进行检修及纠偏操作，检修完成后，在移动终端或用户终端上更新维修记录。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011505251.7A CN112730877A (zh) | 2020-12-18 | 2020-12-18 | 一种风电机组偏航频繁检测预警算法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011505251.7A CN112730877A (zh) | 2020-12-18 | 2020-12-18 | 一种风电机组偏航频繁检测预警算法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112730877A true CN112730877A (zh) | 2021-04-30 |
Family
ID=75603127
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011505251.7A Pending CN112730877A (zh) | 2020-12-18 | 2020-12-18 | 一种风电机组偏航频繁检测预警算法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112730877A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115079626A (zh) * | 2022-07-21 | 2022-09-20 | 东方电气风电股份有限公司 | 一种风力发电机组部件潜在运行风险的预警方法及系统 |
| CN117217099A (zh) * | 2023-11-08 | 2023-12-12 | 云南滇能智慧能源有限公司 | 一种续建风电机的机位确定方法、装置、设备及存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180149136A1 (en) * | 2015-12-24 | 2018-05-31 | Beijing Goldwind Science & Creation Windpower Equipment Co., Ltd. | Computer program product, method and apparatus for yaw control of wind turbine generator system |
| CN109340046A (zh) * | 2018-10-26 | 2019-02-15 | 广东工业大学 | 一种基于改进遗传算法的大型风力发电机组偏航控制参数优化方法 |
| CN110094310A (zh) * | 2019-05-13 | 2019-08-06 | 北京天泽智云科技有限公司 | 一种识别风力发电机偏航对风不正的方法 |
-
2020
- 2020-12-18 CN CN202011505251.7A patent/CN112730877A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180149136A1 (en) * | 2015-12-24 | 2018-05-31 | Beijing Goldwind Science & Creation Windpower Equipment Co., Ltd. | Computer program product, method and apparatus for yaw control of wind turbine generator system |
| CN109340046A (zh) * | 2018-10-26 | 2019-02-15 | 广东工业大学 | 一种基于改进遗传算法的大型风力发电机组偏航控制参数优化方法 |
| CN110094310A (zh) * | 2019-05-13 | 2019-08-06 | 北京天泽智云科技有限公司 | 一种识别风力发电机偏航对风不正的方法 |
Non-Patent Citations (1)
| Title |
|---|
| 刘军 等: "基于离群点检测的风电机组偏航频繁检测", 《能源研究与管理》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115079626A (zh) * | 2022-07-21 | 2022-09-20 | 东方电气风电股份有限公司 | 一种风力发电机组部件潜在运行风险的预警方法及系统 |
| CN115079626B (zh) * | 2022-07-21 | 2022-11-22 | 东方电气风电股份有限公司 | 一种风力发电机组部件潜在运行风险的预警方法及系统 |
| CN117217099A (zh) * | 2023-11-08 | 2023-12-12 | 云南滇能智慧能源有限公司 | 一种续建风电机的机位确定方法、装置、设备及存储介质 |
| CN117217099B (zh) * | 2023-11-08 | 2024-03-26 | 云南滇能智慧能源有限公司 | 一种续建风电机的机位确定方法、装置、设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Pandit et al. | SCADA‐based wind turbine anomaly detection using Gaussian process models for wind turbine condition monitoring purposes | |
| CN102736546B (zh) | 一种流程工业复杂机电系统的状态监测装置及方法 | |
| US20160034856A1 (en) | Wind power plant management system and method thereof | |
| CN112730877A (zh) | 一种风电机组偏航频繁检测预警算法 | |
| CN114723285B (zh) | 一种电网设备安全性评估预测方法 | |
| CN112462736B (zh) | 一种基于数据分析的风电机组故障诊断方法 | |
| EP3770423B1 (en) | Wind turbine control method and device, controller, and control system | |
| EP4038462A1 (en) | System and method for fusing multiple analytics of a wind turbine for improved efficiency | |
| CN114202129A (zh) | 风电出力预测方法、电子设备、存储介质及系统 | |
| CN114819225A (zh) | 一种海上能源机组智能化运维方法及系统 | |
| CN117009861B (zh) | 一种基于深度学习的液压泵马达寿命预测方法和系统 | |
| CN112211794B (zh) | 风电机组的机舱温度异常预警方法、装置、设备及介质 | |
| CN117728587A (zh) | 一种新能源发电设备运行数据的实时监控系统及方法 | |
| CN113530589A (zh) | 一种煤矿掘进工作面按需供风的智能局部通风系统及方法 | |
| CN117494009A (zh) | 基于绝缘材料热解分析的电气设备状态评估方法及云平台 | |
| CN111934903B (zh) | 一种基于时序演化基因的Docker容器故障智能预测方法 | |
| KR102126954B1 (ko) | 스마트 재봉작업 측정 방법 및 이를 수행하기 위한 시스템 | |
| CN116720983A (zh) | 一种基于大数据分析的供电设备异常检测方法及系统 | |
| CN115765182A (zh) | 基于时序数据库的数字孪生方法及装置 | |
| CN115360704A (zh) | 海上风电的出力预测方法、装置、设备及存储介质 | |
| CN115842408A (zh) | 基于scada的风电场运行状态检测系统及方法 | |
| CN111209158B (zh) | 服务器集群的挖矿监控方法及集群监控系统 | |
| US20220341393A1 (en) | System and method for fusing multiple analytics of a wind turbine for improved efficiency | |
| CN113761692A (zh) | 一种基于迁移成分分析的多风电机组运行状态辨识方法 | |
| CN116192612B (zh) | 一种基于日志分析的系统故障监测和预警系统及方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210430 |
|
| RJ01 | Rejection of invention patent application after publication |