基于数模联动的风力发电机组老化评估方法系统及设备技术方案

本发明专利技术提供一种基于数模联动的风力发电机组老化评估方法，包括：获取基准年和现有年的风力发电机组的SCADA数据集合；基于基准年的SCADA数据集合以所选反映风力发电机组捕获风能特征参量作为模型输入，反映风力发电机组产生电能特征参量作为模型输出，构建风力发电机组从捕获风能到机组产生电能的数学模型；基于现有年、基准年SCADA数据，以所选特征参量作风力发电机组从捕获风能到机组产生电能的数学模型的输入进行预测；计算现有年的真实值和模型预测值之间的相对误差、基准年的真实值和模型预测值之间的相对误差，计算上述两个相对误差值之间的差值，得出机组的老化程度，解决了目前的老化评估方法对现有数据的挖掘未考虑数据本身受到机组老化的影响、忽略机组运维历史，导致评估结果不具有泛化性、不准确的问题。题。题。

【技术实现步骤摘要】
基于数模联动的风力发电机组老化评估方法系统及设备


[0001]本专利技术涉及风力发电设备评估
，具体为一种基于数模联动的风力发电机组老化评估方法系统及设备。

技术介绍

[0002]目前在中国乃至世界范围内，早期的风电机组已经运行了大约二十年左右，接近或已超过机组的设计寿命。机组和技术系统的老化不可避免，机组会随着工龄的上升、故障率的增加、气动性能和转换效率的下降逐渐老化，老化导致其运维成本增加，机组老化问题对风电领域影响巨大。
[0003]目前国内外关于机组老化评估的研究存在一些不足之处，主要体现在：a)对现有数据的挖掘未考虑数据本身受到机组老化的影响，导致机组老化评估结果不准确；
[0004]b)在机组老化评估时，忽略机组运维历史，导致评估结果不具有泛化性。

技术实现思路

[0005](一)解决的技术问题
[0006]针对现有技术的不足，本专利技术提供了一种基于数模联动的风力发电机组老化评估方法、系统、设备及存储介质，解决了上述
技术介绍
中提出的目前的风电机组老化评估方法存在的对现有数据的挖掘未考虑数据本身受到机组老化的影响，导致机组老化评估结果不准确、忽略机组运维历史，导致评估结果不具有泛化性的问题。
[0007](二)技术方案
[0008]为实现以上目的，本专利技术通过以下技术方案予以实现：本专利技术根据风力发电机组基础理论，分析了风能量和风功率有关的各种基本物理学概念。从能量流动角度来解释风能转换系统，机组将风能通过叶轮转化为机械能，再通过发电机将机械能转化为电能，在机组内部，绝大部分能量都被转化为有用的电能，也有部分能量被消耗在齿轮箱、轴承、发电机、变流器以及输电环节，这一能量流动过程满足能量守恒，公式如下：
[0009]W
‑
Q＝P
[0010]式中：W为机组捕获的风能；Q为机组内部消耗的能量；P为机组产生的电能。
[0011]机组运行过程时刻满足能量守恒，但在实际中，随着机组工龄的上升，机组内部消耗的能量Q逐渐增大，这造成从机组捕获风能W到机组产生电能P的过程发生变化。由此，机组内部消耗能量增大的过程可以作为机组老化评估的标准。一般认为数学预测模型不会发生“老化”，因此，本专利技术实现机组老化评估的核心思路是：依据风能传递关系，构建机组服役前几年(基准年)反映机组捕获风能W到机组产生电能P的数学模型，通过现有年和基准年预测结果的比较，得出机组的老化程度。
[0012]一种基于数模联动的风力发电机组老化评估方法，包括：
[0013]获取基准年和现有年的风力发电机组的SCADA数据集合；
[0014]基于基准年的SCADA数据集合以所选反映风力发电机组捕获风能特征参量作为模
型输入，反映风力发电机组产生电能特征参量作为模型输出，构建风力发电机组从捕获风能到机组产生电能的数学模型；
[0015]基于现有年、基准年SCADA数据，以所选特征参量作风力发电机组从捕获风能到机组产生电能的数学模型的输入进行预测；
[0016]计算现有年的真实值和模型预测值之间的相对误差、基准年的真实值和模型预测值之间的相对误差，计算上述两个相对误差值之间的差值，得出机组的老化程度。
[0017]优选地，还包括：对数据进行清洗和异常数据剔除。
[0018]优选地，所述对数据进行清洗和异常数据剔除，包括：基于DBSCAN密度聚类算法对数据集进行清洗，剔除SCADA数据中存在的一些异常值和错误值，并记录机组运行日志。
[0019]优选地，所述基于基准年的SCADA数据集合以所选反映风力发电机组捕获风能特征参量作为模型输入，包括：
[0020]根据风力发电机组基础理论，在风能框架下，利用质量、能量和动量守恒得出机组风能转换的机理过程。
[0021]根据机组风能转换的机理过程，分析反映机组捕获风能的特征参量和反映机组产生电能的特征参量。
[0022]优选地，所述构建风力发电机组从捕获风能到机组产生电能的数学模型，包括：选用长短期记忆神经网络(Long Short Term Memory Network，LSTM)作为本专利技术数学模型；
[0023]建立的LSTM网络模型第一层为LSTM网络输入层，根据上述所选取的SCADA特征参量作为模型输入；
[0024]其次为LSTM网络隐含层，对输入的SCADA数据进行学习，通过各个LSTM细胞传递参数间时序特征，挖掘各个参数的序列信息；
[0025]最后为预测模型的输出层，主要通过一层全连接层与隐含层相连，输出LSTM模型对所选特征参量的最终预测结果。
[0026]本专利技术还提供一种基于数模联动的风力发电机组老化评估系统，包括：
[0027]数据获取模块：用于获取基准年和现有年的风力发电机组的SCADA数据集合；
[0028]模型构建模块：用于基于基准年的SCADA数据集合以所选反映风力发电机组捕获风能特征参量作为模型输入，反映风力发电机组产生电能特征参量作为模型输出，构建风力发电机组从捕获风能到机组产生电能的数学模型；
[0029]老化程度评估模块：用于基于现有年、基准年SCADA数据，以所选特征参量作风力发电机组从捕获风能到机组产生电能的数学模型的输入进行预测；
[0030]计算现有年的真实值和模型预测值之间的相对误差、基准年的真实值和模型预测值之间的相对误差，计算上述两个相对误差值之间的差值，得出机组的老化程度。
[0031]本专利技术还提供一种基于数模联动的风力发电机组老化评估设备，包括：输入设备、输出设备、存储器、处理器；所述输入设备、所述输出设备、所述存储器和所述处理器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所护处理器被配置调用所述程序指令，执行如前任一所述的一种基于数模联动的风力发电机组老化评估方法。
[0032]本专利技术一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器所执行时执行如前任一所述的一
种基于数模联动的风力发电机组老化评估方法。
[0033]有益效果
[0034]本专利技术提供了一种基于数模联动的风力发电机组老化评估方法、系统、设备及存储介质具备以下有益效果：
[0035]本专利技术所提出的风电机组老化评估方法基于风力发电机组运行基础理论以及风能量、风功率有关的各种基本物理学概念，拥有较强的可解释性。
[0036]本专利技术构建数学模型时在数据集选取上有效避免了机组内部因素对机组老化评估的影响，评估结果更为准确。
[0037]本专利技术所提出的风电机组老化评估方法在风电机组老化评估领域首创的融合了机理模型和数据驱动模型。
[0038]本专利技术所提出的风电机组老化评估方法考虑了机组运维历史，避免了机组运维对老化评估的影响。
附图说明
[0039]图1为本专利技术提供的一种基于数模联动的风力发电机组老化评估方法流程图；<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于数模联动的风力发电机组老化评估方法，其特征在于，包括：获取基准年和现有年的风力发电机组的SCADA数据集合；基于基准年的SCADA数据集合以所选反映风力发电机组捕获风能特征参量作为模型输入，反映风力发电机组产生电能特征参量作为模型输出，构建风力发电机组从捕获风能到机组产生电能的数学模型；基于现有年、基准年SCADA数据，以所选特征参量作风力发电机组从捕获风能到机组产生电能的数学模型的输入进行预测；计算现有年的真实值和模型预测值之间的相对误差、基准年的真实值和模型预测值之间的相对误差，计算上述两个相对误差值之间的差值，得出机组的老化程度。2.根据权利要求1所述的一种基于数模联动的风力发电机组老化评估方法，其特征在于，还包括：对数据进行清洗和异常数据剔除。3.根据权利要求2所述的一种基于数模联动的风力发电机组老化评估方法，其特征在于：所述对数据进行清洗和异常数据剔除，包括：基于DBSCAN密度聚类算法对数据集进行清洗，剔除SCADA数据中存在的一些异常值和错误值，并记录机组运行日志。4.根据权利要求1所述的一种基于数模联动的风力发电机组老化评估方法，其特征在于：所述基于基准年的SCADA数据集合以所选反映风力发电机组捕获风能特征参量作为模型输入，包括：根据风力发电机组基础理论，在风能框架下，利用质量、能量和动量守恒得出机组风能转换的机理过程。根据机组风能转换的机理过程，分析反映机组捕获风能的特征参量和反映机组产生电能的特征参量。5.根据权利要求4所述的一种基于数模联动的风力发电机组老化评估方法，其特征在于：所述构建风力发电机组从捕获风能到机组产生电能的数学模型，包括：选用长短期记忆神经网络(Long Short Term Memory Network，LSTM)作为本发明数学模型；建立的LSTM网络模型第一层...

【专利技术属性】
技术研发人员：陈换过，王旭涛，戴巨川，陈结，李江，陶瀚宇，
申请(专利权)人：浙江理工大学，
类型：发明
国别省市：