基于大數據分析的風電機組運行狀態(tài)建模與監(jiān)測.pdf

1、風電機組運行環(huán)境的惡劣，以及機組老化問題的日益嚴重導致機組傳感器等部件故障率較高，維修費用增加，機組經濟性降低。實時監(jiān)測風電機組運行狀態(tài)減小機組維修費用對機組的經濟性至關重要。本文基于機組運行數據建立風電機組狀態(tài)模型并進行預測。
　　1.建立基于風能利用系數的風電機組模型對機組運行狀態(tài)進行監(jiān)測。機組工作狀態(tài)若存在異常將會直接影響風能利用系數的值，因此將風能利用率作為研究對象來表征機組的發(fā)電性能。從SCADA數據中提取出風能利用率的

2、影響因素（風速，葉尖速比，偏航以及湍流等）的數據，采用非線性狀態(tài)估計(NSET)的方法建立基于風能利用率影響因素的風能利用系數模型。該模型反映了風機正常運行時風能利用系數與其它變量的影響關系。建立模型后，可輸入實時運行數據并根據記憶矩陣進行預測，若某個參數出現異常，則預測殘差顯著增大，可判斷風電機組運行狀態(tài)異常。文中通過對某電場的運行數據進行分析處理，驗證了該方法的有效性及精確性。
　　2.建立鄰比機組的傳感器模型。風資源相似的風

3、電機組的運行工況和傳感器測量值存在很強的相關相似性，以風速計為例，選取SCADA系統中的風速數據，利用皮爾森算法確定鄰比機組。選用兩種方法建立風電機組風速計鄰比模型。第一種方法是確定該鄰比機組風速相關系數的標準值，作為評估該機組風速計運行狀態(tài)的標準，當輸入新時段的實時風速對應的相關系數的值低于該標準值時，說明該機組風速計存在異常。另一種方法是基于NSET方法建立鄰比機組風速計相關性模型，該模型反映了鄰比機組風速之間的相關相似關系，當輸入