風(fēng)電機(jī)組運(yùn)行狀態(tài)評(píng)估與短期可靠性預(yù)測(cè)方法研究.pdf

1、受到惡劣自然環(huán)境與風(fēng)能隨機(jī)波動(dòng)性的影響，風(fēng)電機(jī)組的運(yùn)行工況具有復(fù)雜的變化特性。運(yùn)行工況對(duì)風(fēng)電機(jī)組狀態(tài)參數(shù)具有顯著的影響，導(dǎo)致已有采用閾值法的風(fēng)電機(jī)組運(yùn)行狀態(tài)評(píng)估方法難以在實(shí)際應(yīng)用取得良好的效果。以提高風(fēng)電機(jī)組運(yùn)行安全可靠性為目標(biāo)，作者對(duì)風(fēng)電機(jī)組運(yùn)行狀態(tài)評(píng)估與短期可靠性預(yù)測(cè)方法進(jìn)行了系統(tǒng)的研究，論文主要包括以下內(nèi)容。
　　首先，對(duì)風(fēng)電機(jī)組狀態(tài)參數(shù)的相關(guān)性進(jìn)行了研究。根據(jù)對(duì)風(fēng)電機(jī)組數(shù)據(jù)采集與監(jiān)視控制（Supervisory contr

2、ol and data acquisition，簡(jiǎn)稱為SCADA）系統(tǒng)數(shù)據(jù)在風(fēng)速區(qū)間的分布規(guī)律的分析，研究了SCADA數(shù)據(jù)的選擇方法；進(jìn)一步對(duì)比分析了風(fēng)電機(jī)組狀態(tài)參數(shù)之間的Pearson、Kendall與Spearman相關(guān)系數(shù)，在此基礎(chǔ)上對(duì)風(fēng)電機(jī)組狀態(tài)參數(shù)的綜合相關(guān)性指標(biāo)進(jìn)行了研究，并采用綜合相關(guān)指標(biāo)對(duì)風(fēng)電機(jī)組實(shí)例數(shù)據(jù)進(jìn)行了分析，揭示了風(fēng)電機(jī)組狀態(tài)參數(shù)之間的相關(guān)規(guī)律。
　　其次，開展了風(fēng)電機(jī)組狀態(tài)參數(shù)異常辨識(shí)模型的研究。對(duì)輸入?yún)?/p>

3、數(shù)對(duì)目標(biāo)參數(shù)的影響程度進(jìn)行了量化分析，研究了狀態(tài)參數(shù)預(yù)測(cè)模型的自動(dòng)參數(shù)選擇方法，建立了基于反向傳播神經(jīng)網(wǎng)絡(luò)（Back-propagation neural network，簡(jiǎn)稱為BPNN）的參數(shù)自動(dòng)選擇子模型；通過對(duì)基于最小二乘支持向量機(jī)（Least squares support vector machines，簡(jiǎn)稱為L(zhǎng)S-SVM）、徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)（Radial basis function neural network，簡(jiǎn)稱為R

4、BFNN）和BPNN的狀態(tài)參數(shù)組合預(yù)測(cè)方法的研究，建立了基于參數(shù)預(yù)測(cè)殘差信息熵的狀態(tài)參數(shù)異常分析子模型。由參數(shù)自動(dòng)選擇與參數(shù)異常分析子模型構(gòu)成的廣義模型，對(duì)風(fēng)電機(jī)組狀態(tài)異常實(shí)例具有良好的應(yīng)用效果，獲得了準(zhǔn)確的狀態(tài)參數(shù)異常辨識(shí)結(jié)果。
　　第三，研究了計(jì)及工況的風(fēng)電機(jī)組運(yùn)行狀態(tài)評(píng)估模型。在對(duì)風(fēng)電機(jī)組狀態(tài)參數(shù)劣化度計(jì)算方法研究的基礎(chǔ)上，研究了采用狀態(tài)參數(shù)劣化度和工況參數(shù)作為輸入?yún)?shù)的風(fēng)電機(jī)組運(yùn)行狀態(tài)BPNN評(píng)估模型，同時(shí)對(duì)BPNN模型的

5、結(jié)構(gòu)進(jìn)行優(yōu)化設(shè)計(jì)，并與RBFNN和LS-SVM模型的評(píng)估結(jié)果進(jìn)行了對(duì)比分析。實(shí)例分析表明，采用狀態(tài)參數(shù)劣化度作為輸入?yún)?shù)與BPNN結(jié)合，評(píng)估結(jié)果較好地反映了風(fēng)電機(jī)組的運(yùn)行狀態(tài)，優(yōu)化BPNN比兩種對(duì)照評(píng)估模型具有更高的準(zhǔn)確率與更短的計(jì)算時(shí)間。
　　最后，開展了風(fēng)電機(jī)組短期可靠性預(yù)測(cè)模型的研究。對(duì)風(fēng)電機(jī)組的初始停運(yùn)概率模型進(jìn)行了研究，分析了數(shù)據(jù)采樣率和狀態(tài)轉(zhuǎn)移概率的統(tǒng)計(jì)區(qū)間對(duì)停運(yùn)概率的影響；通過分析風(fēng)電機(jī)組實(shí)時(shí)狀態(tài)對(duì)停運(yùn)概率的影響，研