基于SCADA數(shù)據(jù)的風(fēng)電機(jī)組變槳系統(tǒng)運(yùn)行狀態(tài)評估與預(yù)測研究.pdf

1、風(fēng)能作為一種潔凈、無污染的綠色能源，已成為可再生能源利用的主力軍。然而，高達(dá)25％～30％的運(yùn)行和維護(hù)成本嚴(yán)重制約著風(fēng)電行業(yè)的發(fā)展。同時，隨著中國近10年風(fēng)電技術(shù)的迅速發(fā)展，大型風(fēng)場的SCADA(Supervisory Control And Data Acquisition，數(shù)據(jù)采集與監(jiān)視控制)系統(tǒng)積累了大量歷史數(shù)據(jù)，且運(yùn)行中的風(fēng)電機(jī)組也每時每刻都在產(chǎn)生實(shí)時數(shù)據(jù)。這些數(shù)據(jù)蘊(yùn)含著與風(fēng)機(jī)運(yùn)行和設(shè)備狀態(tài)有關(guān)的豐富信息。如何利用這些閑置的SC

2、ADA數(shù)據(jù)進(jìn)行風(fēng)機(jī)運(yùn)行狀態(tài)的評估與預(yù)測，無疑具有重要的現(xiàn)實(shí)意義和學(xué)術(shù)價值。因此，本文針對這一問題展開如下研究:
　　1.基于SCADA數(shù)據(jù)的變槳系統(tǒng)狀態(tài)特征參數(shù)提取方法研究。在深入研究變槳系統(tǒng)結(jié)構(gòu)和故障機(jī)理的基礎(chǔ)上，結(jié)合某風(fēng)場級綜合監(jiān)測系統(tǒng)，采用ReliefF算法和互信息技術(shù)挖掘其SCADA數(shù)據(jù)中與變槳系統(tǒng)運(yùn)行狀態(tài)相關(guān)的特征參數(shù)。定性和定量仿真測試表明，ReliefF算法與采用互信息技術(shù)及不進(jìn)行數(shù)據(jù)預(yù)處理方法（即將所有故障參數(shù)都作

3、為模型輸入）相比，訓(xùn)練速度更快，故障分類準(zhǔn)確率更高。
　　2.基于ReliefF算法提取的變槳系統(tǒng)預(yù)處理數(shù)據(jù)，探討支持向量回歸預(yù)測(SVR)模型參數(shù)尋優(yōu)及應(yīng)用于變槳系統(tǒng)的狀態(tài)評估及預(yù)測問題。首先采用交叉驗(yàn)證法和網(wǎng)格搜索法(CV)進(jìn)行SVR模型參數(shù)的尋優(yōu)。然后，將功率輸出作為SVR模型的決策參數(shù)，建立SVR回歸預(yù)測模型。針對隨機(jī)干擾因素，采用滑動窗口殘差估計方法分析預(yù)測模型的殘差趨勢，進(jìn)而評估變槳系統(tǒng)運(yùn)行狀態(tài)。與神經(jīng)網(wǎng)絡(luò)的對比實(shí)驗(yàn)表

4、明，本文所建SVR模型具有較好的狀態(tài)評估與預(yù)測能力。
　　3.基于小世界鄰域粒子群優(yōu)化支持向量機(jī)(SWPSO-SVR)的變槳系統(tǒng)狀態(tài)評估與預(yù)測模型研究。由于CV參數(shù)尋優(yōu)方法存在計算量大，效率和精度低的缺點(diǎn)，在數(shù)據(jù)量大的情況下，所建SVR模型不利于實(shí)際應(yīng)用。因此本文進(jìn)一步探討SVR參數(shù)尋優(yōu)問題，提出SWPSO-SVR改進(jìn)算法。對比CV-SVR算法可知，SWPSO-SVR算法具有精度高、收斂速度快、不易陷入局部極小值等優(yōu)點(diǎn)。結(jié)合某風(fēng)場

5、SCADA數(shù)據(jù)測試分析，驗(yàn)證了改進(jìn)模型用于變槳系統(tǒng)狀態(tài)評估與預(yù)測的有效性和實(shí)用性。
　　4.變槳系統(tǒng)運(yùn)行狀態(tài)監(jiān)測方法工程應(yīng)用系統(tǒng)研究。應(yīng)用Matlab軟件中的GUI開發(fā)可與綜合監(jiān)控系統(tǒng)連接的交互式平臺，以拓展綜合監(jiān)控系統(tǒng)變槳系統(tǒng)故障預(yù)測與報警的功能，為變槳系統(tǒng)的安全運(yùn)行維護(hù)提供決策支持。
　　綜上，風(fēng)場SCADA數(shù)據(jù)蘊(yùn)含著豐富的運(yùn)行狀態(tài)信息，通過分析其數(shù)據(jù)變化規(guī)律，可評估和預(yù)測變槳系統(tǒng)的健康運(yùn)行狀態(tài)。本文研究具有一定的經(jīng)濟(jì)性