基于混合高斯模型的风电机组偏航角度识别方法和装置制造方法及图纸

本发明专利技术涉及一种基于混合高斯模型的风电机组偏航角度识别方法和装置。该方法包括：读取一定周期内的风电机组运行数据作为初始数据集；基于初始数据集筛选出偏航控制系统正常工作时的数据作为待分析数据集；通过待分析数据集中偏航误差

【技术实现步骤摘要】
基于混合高斯模型的风电机组偏航角度识别方法和装置


[0001]本专利技术涉及风力发电机组偏航角度故障识别与检测领域，具体为一种数据驱动的风电机组风向偏航角度识别方法和装置。

技术介绍

[0002]在当前社会发展的进程中，相比于传统的化石能源，清洁、低污染、可持续再生的风力发电逐渐在能源领域中崭露头角。由于风力发电场往往环境恶劣，风力发电机组需要长时间在多种风况下运行，当前风电行业也逐渐暴露一系列问题，尤其是在役风电机组控制系统误差导致风电机组运行性能下降的问题。如何提升在役风电机组在不同风况和风机控制系统误差影响下的风电机组运行性能，是各个风力发电厂面临的主要问题之一。
[0003]目前，风力发电机组主要由内部集成的偏航系统来调整风机朝向，来获取不同风况下风能捕获的最大化效率。偏航系统(又称对风装置)是风电机组控制系统的重要组成部分。偏航系统的作用在于跟踪风速矢量的方向变化，通过控制机舱转动使得风电机组和来风方向的夹角呈零度，从而获得最大的风能。偏航系统通过风向标来完成对风向的测量。然而风向标有的在安装时由于没有校准装置存在安装误差，有时在风机运行的过程中由于固定螺丝的松动产生机械偏差，这些都会导致风机无法准确对风，从而降低了风电机组的发电量，影响发电效能。

技术实现思路

[0004]为了克服现有的通过偏航系统控制时存在误差导致无法实现既定的控制目标的问题，本专利技术提供一种风电机组风向偏航系统偏航角度的识别方法和装置。该方法和装置基于机组运行的SCADA(Supervisory Control And Data Acquisition，即监视控制与数据采集)数据驱动，首先从机组运行的SCADA数据集中选取和偏航误差相关的特征变量，之后基于不同的偏航误差区间对风机运行数据进行划分，通过筛选特定风速段下的机组运行数据作为训练数据，使用训练数据训练包含两个均值为零的单高斯分布的混合高斯模型，最后通过混合高斯模型的拟合结果确定当前风机的实际偏航角度，从而从数据挖掘与统计分析的角度实现了对风机偏航系统误差的识别，间接提升风电机组的发电性能。
[0005]本专利技术解决其技术问题所采用的技术方案是：
[0006]一种基于混合高斯模型的风电机组偏航角度识别方法，包括以下步骤：
[0007]读取一定周期内的风电机组运行数据作为初始数据集；
[0008]基于初始数据集筛选出偏航控制系统正常工作时的数据作为待分析数据集；
[0009]通过待分析数据集中偏航误差
‑
风速
‑
功率散点图确定当前风机是否处于偏航状态；
[0010]对待分析数据集中的风机偏航误差进行区间划分，并绘制风机偏航误差区间段的频率分布直方图，依据风机偏航误差区间段的频率分布直方图估计风机偏航方向；
[0011]构建混合高斯分布模型，使用待分析数据集对混合高斯分布模型进行训练；
[0012]根据训练后的混合高斯分布模型中的单高斯分布模型的均值，获得风机当前的偏航角度。
[0013]进一步地，所述基于初始数据集筛选出偏航控制系统正常工作时的数据作为待分析数据集，包括：
[0014]从初始数据集中筛选时间、风速、功率和偏航误差四个变量作为特征数据集；
[0015]以设定的区间长度(优选以0.5m/s为一个区间，也可以是其他区间长度)，对初始数据集中的风速数据进行区间划分，获取初始数据集中每条数据对应的风速区间段；
[0016]统计初始数据集中位于每一个风速区间段的数据量，取每个风速区间段下数据的功率平均值，绘制风速区间段的频率分布直方图；
[0017]依据绘制的风速区间段的频率分布直方图中各个风速区间段的频率分布情况和对应风机的切入切出风速值来确定风机偏航控制系统正常工作时的风速区间；
[0018]依据风电机组的额定功率区间确定风机偏航控制系统正常工作时的功率区间；
[0019]根据确定好的风机偏航控制系统正常工作时的风速区间和功率区间划定风机偏航控制系统正常工作时的运行数据集，作为待分析数据集，所述待分析数据集包括时间、风速测量值、功率测量值和偏航误差测量值。
[0020]进一步地，所述通过待分析数据集中偏航误差
‑
风速
‑
功率散点图确定当前风机是否处于偏航状态，包括：
[0021]利用特征数据集绘制偏航误差
‑
风速
‑
功率散点图，其中偏航误差作为散点图的X轴变量，风速作为散点图的Y轴变量，并用灰度表示数据散点所对应的功率大小，灰度越深代表功率越大；
[0022]根据偏航误差
‑
风速
‑
功率散点图的中轴对应的偏航误差区间和该散点图的散点分布形态确定当前风机是否处于偏航状态。
[0023]进一步地，所述对待分析数据集中的偏航误差进行区间划分，并绘制风机偏航误差区间段的频率分布直方图，依据风机偏航误差区间段的频率分布直方图估计风机偏航方向，包括：
[0024]以设定的区间长度(比如以1
°
为一个区间)，对风机偏航误差数据进行区间划分，获取每条数据对应的风机偏航误差区间段；
[0025]统计位于每一个风机偏航误差区间段的数据量，绘制风机偏航误差区间段的频率分布直方图；
[0026]依据风机偏航误差区间段的频率分布直方图的分布偏移情况可以估计当前风机偏航方向。
[0027]进一步地，所述构建混合高斯分布模型，使用待分析数据集对混合高斯分布模型进行训练，包括：
[0028]所述混合高斯分布模型中单高斯分布模型的概率密度函数为：
[0029][0030]其中，x为输入数据，θ为高斯分布模型的参数，μ为数据均值(期望)，Σ为协方差，D为数据维度。
[0031]假设α
k
为观测数据属于K个高斯分布模型中第k个模型的概率，Φ(x|θ
k
)是第k个模
型的高斯分布函数，则GMM模型的概率分布为：
[0032][0033]设定该高斯混合分布模型中包含2个初始均值为0的单高斯分布(即K＝2)，作为模型的隐变量；
[0034]设定该混合高斯分布模型中协方差类型为diag(指每个分量有各自不同的对角协方差矩阵)；
[0035]设定混合高斯分布模型参数初始化次数为100；
[0036]使用待分析数据集中的风机偏航误差数据来训练构建好的混合高斯分布模型；由此，待分析数据集中的数据将会被划分至混合高斯分布模型中的两个单高斯分布中。
[0037]进一步地，所述根据训练后的混合高斯分布模型中的单高斯分布模型的均值，获得风机当前的偏航角度，包括：
[0038]训练好的混合高斯模型中的两个单高斯分布的均值分别μ1和μ2；
[0039]风机当前的偏航角度为Ω，{Ω＝Max(|μ1|,|μ2|)}。
[0040]基于同一专利技术构思，本专利技术还提供一种采用上述方法的基于混合本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于混合高斯模型的风电机组偏航角度识别方法，其特征在于，包括以下步骤：读取一定周期内的风电机组运行数据作为初始数据集；基于初始数据集筛选出偏航控制系统正常工作时的数据作为待分析数据集；通过待分析数据集中偏航误差
‑
风速
‑
功率散点图确定当前风机是否处于偏航状态；对待分析数据集中的风机偏航误差进行区间划分，并绘制风机偏航误差区间段的频率分布直方图，依据风机偏航误差区间段的频率分布直方图估计风机偏航方向；构建混合高斯分布模型，使用待分析数据集对混合高斯分布模型进行训练；根据训练后的混合高斯分布模型中的单高斯分布模型的均值，获得风机当前的偏航角度。2.根据权利要求1所述的方法，其特征在于，所述基于初始数据集筛选出偏航控制系统正常工作时的数据作为待分析数据集，包括：从初始数据集中筛选时间、风速、功率和偏航误差四个变量作为特征数据集；以设定的区间长度对初始数据集中的风速数据进行区间划分，获取初始数据集中每条数据对应的风速区间段；统计初始数据集中位于每一个风速区间段的数据量，取每个风速区间段下数据的功率平均值，绘制风速区间段的频率分布直方图；依据绘制的风速区间段的频率分布直方图中各个风速区间段的频率分布情况和对应风机的切入切出风速值来确定风机偏航控制系统正常工作时的风速区间；依据风电机组的额定功率区间确定风机偏航控制系统正常工作时的功率区间；根据确定好的风机偏航控制系统正常工作时的风速区间和功率区间划定风机偏航控制系统正常工作时的运行数据集，作为待分析数据集，所述待分析数据集包括时间、风速测量值、功率测量值和偏航误差测量值。3.根据权利要求1所述的方法，其特征在于，所述通过待分析数据集中偏航误差
‑
风速
‑
功率散点图确定当前风机是否处于偏航状态，包括：利用特征数据集绘制偏航误差
‑
风速
‑
功率散点图，其中偏航误差作为散点图的X轴变量，风速作为散点图的Y轴变量，并用灰度表示数据散点所对应的功率大小，灰度越深代表功率越大；根据偏航误差
‑
风速
‑
功率散点图的中轴对应的偏航误差区间和该散点图的散点分布形态确定当前风机是否处于偏航状态。4.根据权利要求1所述的方法，其特征在于，所述对待分析数据集中的偏航误差进行区间划分，并绘制风机偏航误差区间段的频率分布直方图，依据风机偏航误差区间段的频率分布直方图估计风机偏航方...

【专利技术属性】
技术研发人员：安鸯，闫相臣，钟晓刚，钱峰，刘静思，
申请(专利权)人：中国软件与技术服务股份有限公司，
类型：发明
国别省市：