CN114169718A - 一种基于风电机组状态评估提高机组可靠性的方法 - Google Patents

一种基于风电机组状态评估提高机组可靠性的方法 Download PDF

Info

Publication number
CN114169718A
CN114169718A CN202111414272.2A CN202111414272A CN114169718A CN 114169718 A CN114169718 A CN 114169718A CN 202111414272 A CN202111414272 A CN 202111414272A CN 114169718 A CN114169718 A CN 114169718A
Authority
CN
China
Prior art keywords
state
wind turbine
turbine generator
evaluation
index
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
Application number
CN202111414272.2A
Other languages
English (en)
Inventor
李德鑫
吕项羽
张海锋
庄冠群
王佳蕊
张宗宝
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Electric Power Research Institute of State Grid Jilin Electric Power Co Ltd
Original Assignee
Electric Power Research Institute of State Grid Jilin Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Electric Power Research Institute of State Grid Jilin Electric Power Co Ltd filed Critical Electric Power Research Institute of State Grid Jilin Electric Power Co Ltd
Priority to CN202111414272.2A priority Critical patent/CN114169718A/zh
Publication of CN114169718A publication Critical patent/CN114169718A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/20—Administration of product repair or maintenance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • 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
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B10/00—Integration of renewable energy sources in buildings
    • Y02B10/30—Wind power
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Wind Motors (AREA)

Abstract

本发明公开了一种基于风电机组状态评估提高机组可靠性的方法，所述方法包括：获取SCADA系统监测数据，建立风电机组状态评估指标体系，并对不同状态划分状态等级；基于改进的AHP法和反熵权法分别得到第i个指标主观权重向量、客观权重向量，通过最小鉴别信息原理求取目标函数和综合权重；采用集对分析建立各层次与状态等级的隶属度，各指标归一化处理的值与D级状态构成的隶属度即指标层与状态等级的隶属度；基于非对称贴近度法决策机组状态，定义风电机组状态等级对应的特征模糊集，计算非对称贴近度时，将目标层的评价集和状态等级对应的特征模糊集K标准化；基于择近原则选取最大非对称贴近度对应的评价等级做为决策结果，根据决策结果对器件进行检修。本发明实现了准确检修机组或部件，满足实际应用中的需要。

Description

一种基于风电机组状态评估提高机组可靠性的方法
技术领域
本发明涉及风电机组状态控制领域，尤其涉及一种基于风电机组状态评估提高机组可靠性的方法。
背景技术
近年来，随着国家的能源政策的调整，我国开始大力研究和发展可以替代火力发电等消耗一次能源的新能源发电方式，其中作为新能源发电重要一员的风力发电己经发展成为技术最成熟、经济性较好的一种发电方式。风能的“取之不尽用之不竭”的特性在解决我国能源短缺问题中发挥重要的作用。但是由于目前风电机组大多运行地区环境恶劣多变，且风电机组长期在交变负荷下工作，从而导致机组故障频繁，机组运行性能不断下降。状态监测与故障诊断技术是降低大功率并网风电机组的故障率和其运维费用的有效手段之一。如何合理有效地开展分析风电机组的性能分析和机组健康状态评估，提高机组的可靠性，确保机组安全稳定运行，降低风电场运行维护成本，提高风电场的现场管理水平，己成为我国发展风电技术需迫切解决的关键问题。
风电机组的数据采集与监视控制系统(Supervisory Control And DataAcquisition，SCADA)中包括的物理特征量有：角度、压力、温度、速度、机舱振动、电气等，通过分析这些运行数据，可以反映整机的运行状态。目前，关于风电机组多参数融合的状态监测和评估方法，包括：人工神经网络[1-2]、高斯混合模型参数估计[3]、物元分析[4]、模糊综合评判[5-8]等。其中，文献[4]提出应用物元分析理论的关联函数来计算各评估指标潜在的优劣程度，结合可拓集合中的关联函数，建立了风电机组运行状态的物元评估模型。文献[5]针对子项目层中存在多项评判指标同时发生严重偏离的情况，引入劣化度指标，建立模糊综合评判的流程图，通过劣化度对监测数据进行量化，结合层次分析法确定权重，采用模糊综合评判方法，构建风电机组在线状态评估方法。文献[6]在文献[5]的基础上，考虑了影响评估指标的劣化度的因素，提出了风电机组运行状态评估的改进模型。由于模糊综合评判方法不需要过多依赖试验数据的分析，文献[7]利用模糊数学理论从技术经济指标、功能设置、可靠性和维修性这4个指标综合评判了风电机组的设计性能，但难以有效地反映机组实时运行状态。文献[7-8]在应用模糊综合评判时指出各评判指标赋予权重是建模的关键，而传统的变权理论在2项或多项指标发生严重偏离时，不能较好地实现对各评判指标的权重进行赋值。文献[8]虽然采用了层次分析法对评判指标赋予常权值，但是常权值的选取不能准确有效地反映机组运行状态。模糊综合评判方法是根据评估指标对评估对象本身存在的性态或类属上的亦此亦彼性，从数量上对其所属程度给予刻画和描述。
上述分析在处理信息不确定性取得较好的效果，但在状态决策时多数学者采用最大隶属度原则或信度准则决策风机状态，当仅考虑隶属度矩阵最大分量决策状态结果，在最大隶属度失效情况下，取得的结果往往不准确、信度准则的信度值主观选取，存在选取不同的信度值导致决策结果不一致的情况，导致不能准确检修机组或部件，引起机组或部件“过修”或“欠修”的情况发生。
发明内容
本发明提供了一种基于风电机组状态评估提高机组可靠性的方法，本发明针对风电机组状态评估结果决策中，以区间划分风电机组状态等级时信度准则判断结果受信度值选取不同结果可能存在偏差、最大隶属原则，仅利用最大分量决策存在失效情况下，提出基于非对称贴近度的决策方法，计算评价集与状态等级模糊特征集间的贴近度，按照择近原则评判风电机组的状态，基于评估结果检修风电机组或部件，详见下文描述：
一种基于风电机组状态评估提高机组可靠性的方法，所述方法包括：
获取SCADA系统监测数据，建立风电机组状态评估指标体系，并对不同状态划分状态等级；
基于改进的AHP法和反熵权法分别得到第i个指标主观权重向量、客观权重向量，通过最小鉴别信息原理求取目标函数和综合权重；
采用集对分析建立各层次与状态等级的隶属度，各指标归一化处理的值与D级状态构成的隶属度即指标层与状态等级的隶属度；
基于非对称贴近度法决策机组状态，定义风电机组状态等级对应的特征模糊集，计算非对称贴近度时，将目标层的评价集和状态等级对应的特征模糊集K标准化；
基于择近原则选取最大非对称贴近度对应的评价等级做为决策结果，根据决策结果对器件进行检修。
其中，所述改进的AHP法具体为：
将n个指标按重要程度由高到低依次排序，按照经验确定相邻两个指标xi对xi+1的重要程度，确定标度值gi，依次得到所有相邻指标的标度值，按照重要度的传递性生成判断矩阵G，基于判断矩阵G生成主观权重。
进一步地，所述基于判断矩阵G生成主观权重具体为：
Figure BDA0003374677870000031
主观权重计算公式为：
Figure BDA0003374677870000032
其中，gij为判断矩阵G第i行第j列所处的元素。
其中，所述按照经验确定相邻两个指标xi对xi+1的重要程度，确定标度值gi具体为：
同等重要，对应标度值为1.0；稍微重要，对应标度值为1.2；强烈重要，对应标度值为1.4；明显重要，对应标度值为1.6；绝对重要，对应标度值为1.8。
进一步地，
所述目标函数为：
Figure BDA0003374677870000033
综合权重计算公式为：
Figure BDA0003374677870000034
其中，
Figure BDA0003374677870000035
为第i个指标主观权重向量、
Figure BDA0003374677870000036
为客观权重向量，n为指标个数。
在一种实施方式中，所述非对称贴近度为：
Figure BDA0003374677870000037
式中：p为调节因子，反映评判结果集化的程度，取p＝1；μ为目标层隶属度；Ki为状态等级对应的特征模糊集；μ'为标准化处理后的目标层隶属度；K′i为标准化处理后的状态等级对应的特征模糊集；D为状态等级的个数；μ'r为μ'的第r个分量；k′r为K′i的第r个分量；r为变量，r＝[1,2,3,…,D]。
优选地，所述根据决策结果对器件进行检修具体为：
若风电机组或部件状态为正常状态，设备状态量化值处于稳定且在规程规定的标准限值内，开展正常的巡视和监测；
若风电机组或部件状态为注意状态，设备状态量化值变化趋势朝接近标准限值方向发展，但未超过标准限值，查出故障后结合设备检修周期，统一安排检修；
若风电机组或部件状态为异常状态，设备状态量化值已接近或略微超过标准限值，应监视运行，并安排停电检修；
若风电机组或部件状态为严重状态，设备状态量化值严重超过标准限值，立即安排停电检修。
本发明提供的技术方案的有益效果是：
1、本发明的指标权重通过主、客观融合后的综合权重来确定，采用最小鉴别信息原理融合主、客观权重，得到既考虑了专家经验又有较强的数学理论依据的综合权重，使赋权过程更合理；
2、本发明通过非对称贴近度法决策风电机组状态结果，计算评价集与状态等级模糊特征集间的贴近度，按照择近原则评判风电机组的状态，依据风电机组状态评估结果确定需要检修的机组或部件，提高了检修的准确度。
附图说明
图1为风电机组状态控制的流程图；
图2为风电机组状态控制指标体系的流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面对本发明实施方式作进一步地详细描述。
基于上述背景，本发明实施例提出一种基于风电机组状态评估提高机组可靠性的方法、装置，采用集对分析理论描述评估指标和状态等级之间的不确定性，最后，基于非对称贴近度法对风电机组的状态进行决策判断，根据风电机组状态检修机组或部件。
实施例1
为了更加准确评估风电机组状态，本发明实施例提出一种基于风电机组状态评估提高机组可靠性的方法，参见图1，该方法包括以下步骤：
101：获取SCADA系统监测数据，建立风电机组状态评估指标体系，并对不同状态划分状态等级；
102：基于改进的AHP法和反熵权法分别得到第i个指标主观权重向量、客观权重向量，通过最小鉴别信息原理求取目标函数和综合权重；
103：采用集对分析建立各层次与状态等级的隶属度，各指标归一化处理的值与D级状态构成的隶属度即指标层与状态等级的隶属度；
104：基于非对称贴近度法决策机组状态，定义风电机组状态等级对应的特征模糊集，计算非对称贴近度时，将目标层的评价集和状态等级对应的特征模糊集K标准化；
105：基于择近原则选取最大非对称贴近度对应的评价等级做为决策结果，根据决策结果对器件进行检修。
综上所述，本发明实施例通过上述步骤101-步骤105实现了通过非对称贴近度法决策风电机组状态结果，计算评价集与状态等级模糊特征集间的贴近度，按照择近原则评判风电机组的状态，依据风电机组状态评估结果确定需要检修的机组或部件，提高了检修的准确度。
实施例2
下面结合具体的实例、计算公式对实施例1中的方案进行进一步地介绍，详见下文描述：
201：获取SCADA系统监测数据，建立风电机组状态评估指标体系参见图2，并对不同状态划分状态等级，步骤201包括：
1)将影响机组健康状态指标分为机组性能和出力状态两个项目层。其中，机组性能层选取：变桨系统、发电机、齿轮箱、机舱4个部件；机组出力状态层包括：相邻机组出力互相关性和同一机组相邻时间出力与风速的自相关性。获取SCADA系统变桨系统、发电机、齿轮箱、机舱4个部件的监测信号，作为部件的指标层。采用Pearson相关性原理来计算机组与机组间出力相关性、风速与机组出力之间的相关性。互相关系数计算公式为：
Figure BDA0003374677870000061
式中：r(X,Y)表示相邻机组出力互相关系数；Xi、Yi分别表示相邻机组X、Y的输出功率；
Figure BDA0003374677870000066
分别表示X、Y机组N组功率数据的平均值；N表示数据个数。
自相关系数计算公式为：
Figure BDA0003374677870000062
式中：
Figure BDA0003374677870000063
分别表示为t1、t2时刻的变量值；
Figure BDA0003374677870000064
分别表示变量的平均值。
计算出机组出力的自相关系数rt(Xt1,Xt2)和风速的自相关系数rw(Xt1,Xt2)，自相关系数差值表示为：
ξ(rt,rw)＝|rt(Xt1,Xt2)-rw(Xt1,Xt2)| (3)
式中：ξ(rt,rw)表示风速和机组出力自相关性差值。
2)将风电机组运行状态分为“正常”、“注意”、“异常”、“严重”四个等级，状态等级Z＝[z1,z2,z3,z4]，风电机组状态等级与状态描述如下表1。
表1风电机组状态等级
Figure BDA0003374677870000065
202：为了使赋权过程更合理，将主、客观权重融合，建立既考虑了专家经验又有较强的数学理论依据的综合权重求解模型，步骤202包括：
1)采用改进AHP(改进层次分析法)法确定主观权重
将n个指标按重要程度由高到低依次排序，按照经验确定相邻两个指标xi对xi+1的重要程度，根据表2确定标度值gi，同理依次得到所有相邻指标的标度值g1、g2、…、gn-1。按照重要度的传递性生成判断矩阵G。
表2标度值含义
Figure BDA0003374677870000071
Figure BDA0003374677870000072
主观权重计算公式为：
Figure BDA0003374677870000073
其中，gij为判断矩阵G第i行第j列所处的元素。
2)采用反熵权法确定客观权重首先需要将指标数据预处理：对于越大越优型指标，例如互相关系数，处理方式为：
Figure BDA0003374677870000074
对于越小越优型指标，例如温度、自相关系数差值，处理方式为：
Figure BDA0003374677870000075
对于中间型指标，例如：桨叶角度、转速、压力，处理方式为：
Figure BDA0003374677870000081
式中：x为指标实测值；[xmin,xmax]为指标的限值区间；xa、xb为该指标的最佳范围。
计算反熵：
Figure BDA0003374677870000082
其中，
Figure BDA0003374677870000083
为归一化后的指标值；m为数据的组数。
客观权重计算公式为：
Figure BDA0003374677870000084
3)基于上述改进AHP法和反熵权法分别得到第i个指标主观权重向量
Figure BDA0003374677870000085
客观权重向量
Figure BDA0003374677870000086
通过最小鉴别信息原理求取综合权重
Figure BDA0003374677870000087
目标函数为：
Figure BDA0003374677870000088
目标函数构建拉格朗日函数为：
Figure BDA0003374677870000089
求解偏微分方程为：
Figure BDA00033746778700000810
其中，λ为拉格朗日乘子。
综合权重计算公式为：
Figure BDA00033746778700000811
203：构建风电机组状态决策模型，步骤203包括：
1)采用集对分析建立各层次与状态等级的隶属度，各指标xn归一化处理的值与D级状态构成的隶属度即指标层与状态等级的隶属度μi可依据模糊属性规则通过下式确定：
Figure BDA0003374677870000091
式中：0<s1<s2<…<sD-1<1，s1、s2、…、sD-1为状态等级阈值，i为差异不确定系数，iD-2为D-2状态对应的差异不确定系数。
通过加权平均算子递推各层次隶属度。例如：子项目层隶属于状态等级的程度可由指标的综合权重Wi *及指标层联系度μi通过下式计算得到：
Figure BDA0003374677870000092
式中：Wi *为指标i的综合权重，ai、bi,1、bi,D-2、ci为联系分量。
同样的方法可以得到目标层的隶属度矩阵。
2)基于非对称贴近度法决策机组状态，定义风电机组状态等级对应的特征模糊集Ki＝(0,…,1,…,0)＝(k1,…,ki-1,1,…,kd)，即第i个分量为1，其余分量为0。计算非对称贴近度时，首先需要将目标层的评价集μ和状态等级对应的特征模糊集K标准化。以μ为例，对任意给定的i∈Jc＝{1,2,…,c}，按|ic-i|的大小对μ中元素重新排序。
首先将μi移至最后一位，对于任意的i1、i2∈Jc，当|i1-i|>|i2-i|时，μi1移至μi2的前一位。当|i1-i|＝|i2-i|且i1>i2时，μi1移至μi2的前一位，则有：
Figure BDA0003374677870000093
同样对Ki标准化处理，得到Kc。
非对称贴近度表达式如下所示：
Figure BDA0003374677870000101
式中：p为调节因子，反映评判结果集化的程度，取p＝1。
基于择近原则选取maxN(μ(i),Kc)对应的评价等级做为决策结果zc。
204：检修决策。
若风电机组或部件状态为正常状态，说明此时设备状态量化值处于稳定且在规程规定的标准限值内，可正常运行，不安排检修，只需开展正常的巡视和监测；若风电机组或部件状态为注意状态，说明此时设备状态量化值变化趋势朝接近标准限值方向发展，但未超过标准限值，应该加强巡视和监测，查出故障后结合设备检修周期，统一安排检修；若风电机组或部件状态为异常状态，说明此时设备状态量化值变化较大，已接近或略微超过标准限值，应监视运行，并适时安排停电检修；若风电机组或部件状态为严重状态，说明此时设备状态量化值严重超过标准限值，需要立即安排停电检修。
实施例3
下面结合具体的实验对实施例1和2中的方案进行可行性验证，详见下文描述：
为验证本发明所提基于集对分析和非对称贴近度法的风电机组状态评估的有效性，选取单台1.5MW风电机组的SCADA监测数据进行分析，选取某1.5MW风电机组2组“注意状态”和1组“故障状态”数据如表3所示。
表3某1.5MW风电机组监测数据
Figure BDA0003374677870000102
Figure BDA0003374677870000111
301：为验证本发明所提基于集对分析和非对称贴近度法的风电机组状态评估，选取表3数据1进行验证。
依据实施例1的步骤102，计算指标的权重值如表4所示：
表4指标权重
Figure BDA0003374677870000112
依据实施例1的步骤103，计算指标参量对应的状态等级隶属度如表5所示，并递推各层隶属于状态等级的程度如表6所示。
表5各指标参量对应的状态等级隶属度
Figure BDA0003374677870000113
表6子项目层隶属于状态等级的程度
Figure BDA0003374677870000121
风电机组整体对应状态等级的隶属度R＝[0.1921,0.5138,0.2940,0]。依据实施例1中的步骤103对R重新分级评判，可得：N＝[0.8380,0.9704,0.8239,0.6296]，由择近原则可得此时风机整体运行状态属于“注意状态”，与风机实际状态一致。
302：为进一步验证本方法的有效性，分别与其他两种决策方法对比，其中①为最大隶属度原则决策方法；②为信度准则决策方法(信度值分别取0.6和0.7)；③为本方法的非对称贴近度决策方法。各方法结果如表7所示：
表7决策方法对比
Figure BDA0003374677870000122
对表7的数据1进行分析，三种方法评估结果与风电机组实际状态一致，由表5可知发电机转子温度、发电机非驱动轴温度、齿轮箱油池温度、机舱温度、塔底温度的监测数据均有明显的劣化趋势应该加强巡视和监测，无需进行检修。对数据2结果进行分析，采用方法①判断时，由于最大分量0.3336与次大分量0.3333非常接近，导致方法①失效，仅依靠隶属度最大分量判断风电机组状态为异常状态需要适时安排检修，实际上机组处于注意状态加强巡视和监测即可，安排检修会引起机组或部件“过修”，方法②信度值选取不同，决策的风电机组状态完全不同，存在较大误差，无法准确评估机组状态，方法③的评估结果与风电机组实际状态一致。数据3发电机转速为0明显故障停机，由监测数据可知变桨电机温度过高可能是轴承故障或系统振动过大引起、发电机转子和非驱动轴温度过高可能是轴承故障或通风故障或电机过载、齿轮箱滤网入口油压和齿轮箱油压数据明显不正常，可能是齿轮箱油外泄导致油位过低或油泵本体工作异常或润滑管路异常，针对数据③的情况应立刻停机进行检修更换、维修故障部件，依据方法②决策的状态情况不能及时对机组进行维修会造成机组在故障状态长时间运行引起一系列部件故障。
方法③，即本发明实施例所设计的方法不仅充分利用了各分量信息而且避免了信度值选取不同所带来的结果偏差。利用方法③进行状态决策在三组实验中都取得了与风电机组实际状态相同的结果，同时通过方法对比证明了方法③可以有效解决最大隶属度原则和信度准则失效情况下的状态决策问题。利用方法③进行状态决策在三组实验中都取得了与风电机组实际状态相同的结果，算例证明通过本方法评估机组状态，并以此维护机组或部件更加合理。
参考文献
[1]ZAHER A，MCARTHUR S D J，INFIELD D G.Online wind turbine faultdetection through automated SCADA data analysis[J].Wind Energy，2009，12(6)：574-593.
[2]LI Jian，LEI Xiao，LI Hui，et al.Normal behavior models for thecondition assessment of wind turbine generator systems[J].Electric PowerComponents and Systems，2014，42(11)：1201-1212.
[3]董玉亮，李亚琼，曹海斌，等.基于运行工况辨识的风电机组健康状态实时评价方法[J].中国电机工程学报，2013，33(11)：88-95.
[4]李辉，胡姚刚，杨超，等.并网风电机组运行状态的物元评估方法[J].电力系统自动化，2011，35(6)：81-85.
[5]李辉，胡姚刚，唐显虎，等.并网风电机组在线运行状态评估方法[J].中国电机工程学报，2010，30(33)：103-109.
[6]肖运启，王昆朋，贺贯举，等.基于趋势预测的大型风电机组运行状态模糊综合评价[J].中国电机工程学报，2014，34(13)：103-109.
[7]王志国，马一太，杨昭，等.风力发电机组性能分析的模糊综合评判方法[J].太阳能学报，2004，25(2)：177-181.
[8]郭建斌，闻源长.基于AHP方法的在役风电机组安全检测技术研究[J].能源研究与利用，2008，4(4)：36-39.
本发明实施例对各器件的型号除做特殊说明的以外，其他器件的型号不做限制，只要能完成上述功能的器件均可。
本领域技术人员可以理解附图只是一个优选实施例的示意图，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，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，均应包含在本发明的保护范围之内。

Claims (7)

1.一种基于风电机组状态评估提高机组可靠性的方法，其特征在于，所述方法包括：
获取SCADA系统监测数据，建立风电机组状态评估指标体系，并对不同状态划分状态等级；
基于改进的AHP法和反熵权法分别得到第i个指标主观权重向量、客观权重向量，通过最小鉴别信息原理求取目标函数和综合权重；
采用集对分析建立各层次与状态等级的隶属度，各指标归一化处理的值与D级状态构成的隶属度即指标层与状态等级的隶属度；
基于非对称贴近度法决策机组状态，定义风电机组状态等级对应的特征模糊集，计算非对称贴近度时，将目标层的评价集和状态等级对应的特征模糊集K标准化；
基于择近原则选取最大非对称贴近度对应的评价等级做为决策结果，根据决策结果对器件进行检修。
2.根据权利要求1所述的一种基于风电机组状态评估提高机组可靠性的方法，其特征在于，所述改进的AHP法具体为：
将n个指标按重要程度由高到低依次排序，按照经验确定相邻两个指标xi对xi+1的重要程度，确定标度值gi，依次得到所有相邻指标的标度值，按照重要度的传递性生成判断矩阵G，基于判断矩阵G生成主观权重。
3.根据权利要求2所述的一种基于风电机组状态评估提高机组可靠性的方法，其特征在于，所述基于判断矩阵G生成主观权重具体为：
Figure FDA0003374677860000011
主观权重计算公式为：
Figure FDA0003374677860000012
其中，gij为判断矩阵G第i行第j列所处的元素。
4.根据权利要求2所述的一种基于风电机组状态评估提高机组可靠性的方法，其特征在于，所述按照经验确定相邻两个指标xi对xi+1的重要程度，确定标度值gi具体为：
同等重要，对应标度值为1.0；稍微重要，对应标度值为1.2；强烈重要，对应标度值为1.4；明显重要，对应标度值为1.6；绝对重要，对应标度值为1.8。
5.根据权利要求1所述的一种基于风电机组状态评估提高机组可靠性的方法，其特征在于，
所述目标函数为：
Figure FDA0003374677860000021
综合权重计算公式为：
Figure FDA0003374677860000022
其中，
Figure FDA0003374677860000023
为第i个指标主观权重向量、
Figure FDA0003374677860000024
为客观权重向量，n为指标个数。
6.根据权利要求1所述的一种基于风电机组状态评估提高机组可靠性的方法，其特征在于
所述非对称贴近度为：
Figure FDA0003374677860000025
式中：p为调节因子，反映评判结果集化的程度，取p＝1；μ为目标层隶属度；Ki为状态等级对应的特征模糊集；μ'为标准化处理后的目标层隶属度；K′i为标准化处理后的状态等级对应的特征模糊集；D为状态等级的个数；μ'r为μ'的第r个分量；k′r为K′i的第r个分量；r为变量，r＝[1,2,3,…,D]。
7.根据权利要求1所述的一种基于风电机组状态评估提高机组可靠性的方法，其特征在于，所述根据决策结果对器件进行检修具体为：
若风电机组或部件状态为正常状态，设备状态量化值处于稳定且在规程规定的标准限值内，开展正常的巡视和监测；
若风电机组或部件状态为注意状态，设备状态量化值变化趋势朝接近标准限值方向发展，但未超过标准限值，查出故障后结合设备检修周期，统一安排检修；
若风电机组或部件状态为异常状态，设备状态量化值已接近或略微超过标准限值，应监视运行，并安排停电检修；
若风电机组或部件状态为严重状态，设备状态量化值严重超过标准限值，立即安排停电检修。
CN202111414272.2A 2021-11-25 2021-11-25 一种基于风电机组状态评估提高机组可靠性的方法 Pending CN114169718A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111414272.2A CN114169718A (zh) 2021-11-25 2021-11-25 一种基于风电机组状态评估提高机组可靠性的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111414272.2A CN114169718A (zh) 2021-11-25 2021-11-25 一种基于风电机组状态评估提高机组可靠性的方法

Publications (1)

Publication Number Publication Date
CN114169718A true CN114169718A (zh) 2022-03-11

Family

ID=80480863

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111414272.2A Pending CN114169718A (zh) 2021-11-25 2021-11-25 一种基于风电机组状态评估提高机组可靠性的方法

Country Status (1)

Country Link
CN (1) CN114169718A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114372734A (zh) * 2022-03-23 2022-04-19 广东电网有限责任公司佛山供电局 一种电缆中间接头绝缘状态实时评估方法及系统
CN115540759A (zh) * 2022-11-16 2022-12-30 南京科天力电子科技有限公司 一种基于图像识别技术修饰金属的检测方法及检测系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017008180A1 (zh) * 2015-07-16 2017-01-19 广东产品质量监督检验研究院 一种光伏组件失效风险判别方法
CN107239900A (zh) * 2017-06-01 2017-10-10 陕西学前师范学院 基于可拓云模型的本科毕业论文质量评价方法
WO2020041955A1 (zh) * 2018-08-28 2020-03-05 大连理工大学 一种基于改进型拉开档次法的数控机床综合性能评价方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017008180A1 (zh) * 2015-07-16 2017-01-19 广东产品质量监督检验研究院 一种光伏组件失效风险判别方法
CN107239900A (zh) * 2017-06-01 2017-10-10 陕西学前师范学院 基于可拓云模型的本科毕业论文质量评价方法
WO2020041955A1 (zh) * 2018-08-28 2020-03-05 大连理工大学 一种基于改进型拉开档次法的数控机床综合性能评价方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
向思阳 ET AL.: "基于AHP-反熵权法的配电网低碳运行模糊综合评价", 电力科学与技术学报, vol. 34, no. 4, 28 December 2019 (2019-12-28), pages 69 - 76 *
王亚琼ET AL.: "基于模糊贴近度的公路隧道结构健康评价", 公路交通科技, vol. 31, no. 12, 15 December 2014 (2014-12-15), pages 78 - 83 *
赵洪山 ET AL.: "基于最优权重和隶属云的风电机组状态模糊综合评估", 中国电力, vol. 50, no. 5, 5 May 2017 (2017-05-05), pages 88 - 94 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114372734A (zh) * 2022-03-23 2022-04-19 广东电网有限责任公司佛山供电局 一种电缆中间接头绝缘状态实时评估方法及系统
CN115540759A (zh) * 2022-11-16 2022-12-30 南京科天力电子科技有限公司 一种基于图像识别技术修饰金属的检测方法及检测系统
CN115540759B (zh) * 2022-11-16 2023-05-09 江西滕创洪科技有限公司 一种基于图像识别技术修饰金属的检测方法及检测系统

Similar Documents

Publication Publication Date Title
CN110410282B (zh) 基于som-mqe和sfcm的风电机组健康状态在线监测及故障诊断方法
CN110442833B (zh) 一种基于多维度scada数据评估风电机组健康状态评估方法
CN111537219B (zh) 一种基于温度参数的风机齿轮箱性能检测与健康评估方法
Zhu et al. Improvement of reliability and wind power generation based on wind turbine real-time condition assessment
CN111597682B (zh) 预测风力机齿轮箱轴承剩余寿命的方法
CN105205569B (zh) 风机齿轮箱状态在线评估模型建立方法及在线评估方法
CN112179655B (zh) 一种基于阈值分级的汽轮发电机故障预警方法
CN104952000A (zh) 基于马尔科夫链的风电机组运行状态模糊综合评价方法
CN107728059B (zh) 一种变桨系统状态评估方法
CN114169718A (zh) 一种基于风电机组状态评估提高机组可靠性的方法
WO2023065580A1 (zh) 风电机组齿轮箱的故障诊断方法及装置
CN116484751B (zh) 一种风电机组部件的疲劳寿命评估方法及装置
CN111273125A (zh) 基于rst-cnn的电力电缆沟道故障诊断方法
CN111814848B (zh) 一种风电机组温度故障的自适应预警策略设计方法
CN116976191A (zh) 一种水轮发电机组轴系稳定性劣化趋势预测方法
CN116609055A (zh) 一种运用图卷积神经网络诊断风电齿轮箱故障的方法
CN117649044A (zh) 一种海上风电机组多维度量化状态评估方法
CN117232809A (zh) 基于dematel-anp-critic组合赋权的风机主轴故障预诊断方法
CN116628976A (zh) 一种水轮机组设备状态变权综合评价方法
CN114320773B (zh) 一种基于功率曲线分析与神经网络的风电机组故障预警方法
CN114219206B (zh) 基于灰色层次分析的抽水蓄能机组油系统状态综合评估方法
CN115310746A (zh) 一种风力发电机组主传动系统状态评估方法及系统
Song et al. Anomaly detection of wind turbine generator based on temporal information
Zhang et al. An evaluation method of health condition for wind turbine based on asymmetric proximity
Ou et al. Fault Prediction Model of Wind Power Pitch System Based on BP Neural Network

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