【技术实现步骤摘要】
本专利技术涉及风力发电，尤其涉及一种风电场风电机组出力损失事件识别方法及装置。
技术介绍
1、目前，随着风电的单机容量和装机容量不断提升，风电场的运营模式正从粗放式扩容发展向精细化管理转变，如何应用数字化、信息化技术提升风电场的运行和维护效率成为当下研究热点。风电场经过多年的数字化建设已积累了大量的历史数据，受限于监测手段缺失问题，原始运行数据中存在大量的异常数据，这些数据直接反映机组的异常出力状态，因此，精准识别运行数据中的异常序列对于风电机组出力特性建模和全寿命周期健康管理尤为关键。
2、典型的风电机组出力损失事件可分为以下几类：
3、(1)类别i：风电机组捕风模块动作不可靠引起的出力损失，例如：偏航系统状态量参数(偏航误差角、持续时间)设置不合理、传动轴承卡涩等引起欠偏、过偏，且偏航误差角超过允许的范围，容易出现在中、低风速阶段，此类弱故障特征数据往往位于风功率曲线中、下部，呈堆积状，时序上连续；
4、(2)类别ii：风电机组的发电性能下滑引起的出力损失，例如：齿轮箱传动效率降低、发电机转换效率降低、润滑油老化、叶片老化等，更容易出现在中、高风速阶段，此类弱故障特征数据往往位于曲线的中上部，时序上连续；
5、(3)类别iii：弃风、限电人为调度控制引起的出力损失，此类故障特征数据位于风功率曲线中部，呈带状分布，风速数据正常，功率数据被限制在一个狭小的区间；
6、(4)类别iv：非计划性停机检修引起的出力损失，此类故障数据位于风功率曲线底部，呈带状分布，风速数据正常
7、现有方法主要以风速-功率曲线为研究对象，面向风速-功率曲线建模、功率预测等应用，数据清洗的目标是剔除异常数据、保留正常数据，而鲜有面向机组出力特性评价的应用。异常检测任务需要结合数据应用对象和业务类别对数据治理的需求有针对性地制定清洗规则，有必要结合机组出力特性评价开展异常检测的研究。对于风电机组出力特性评价应用，异常检测的主要目标是识别违背风力发电物理规律的出力损失事件，传统的基于风速-功率曲线的检测方法假设位于曲线内部的数据均为正常序列，考虑到带状区域的产生与机组的出力特性波动相关，位于带状区域内部可能存在由于机组出力特性下降而产生的弱故障特征数据，传统的方法已难以直接应用，需要根据序列的时序分布特征针对性的制定异常检测判据。此外，面向机组出力特性评价的异常检测需要将正常出力序列与异常出力序列可靠分离，既要保证异常检测的准确率，还要保证召回率。
技术实现思路
1、有鉴于此，本专利技术提供一种风电场风电机组出力损失事件识别方法及装置，以解决上述提及的至少一个问题。
2、为了实现上述目的，本专利技术采用以下方案：
3、根据本专利技术的第一方面，提供一种风电场风电机组出力损失事件识别方法，所述方法包括：获取风电机组风速序列和功率序列；提取并表征所述风速序列和所述功率序列的形态趋势特征；计算风速形态趋势特征以及功率形态趋势特征的相似度量，并基于所述相似度量标记异常序列；基于标记的所述异常序列以及滑动密度检测识别出异常出力事件，并得到出力异常状态标签；基于异常出力事件评价指标体系对异常出力事件进行分类评价；输出所述出力异常状态标签及分类评价结果。
4、作为本专利技术的一个实施例，上述方法中获取风电机组风速序列和功率序列包括：获取风电机组原始风速序列和功率序列；对所述原始风速序列和功率序列进行平滑、整定以及标准化处理得到处理后的风电机组风速序列和功率序列。
5、作为本专利技术的一个实施例，上述方法中提取并表征所述风速序列和所述功率序列的形态趋势特征包括：计算所述风速序列和所述功率序列的一阶差分值；采用1，0，-1来描述序列的上升、平稳和下降趋势，将置信概率设置为0.99，得到所述风速序列和所述功率序列的形态趋势特征序列trw和trp：
6、
7、
8、上式中，max(vb,diff)和min(vb,diff)分别表示风速差分序列的最大值和最小值；max(pb,diff)和min(pb,diff)分别表示功率差分序列的最大值和最小值。
9、作为本专利技术的一个实施例，上述方法中计算风速形态趋势特征以及功率形态趋势特征的相似度量，并基于所述相似度量标记异常序列包括：
10、基于下式计算出风速趋势特征序列trw与功率趋势特征序列trp的相似度量δ(t)：
11、
12、当相似度量δ(t)为1时，标记为异常序列，当相似度量δ(t)为0时，标记为正常序列。
13、作为本专利技术的一个实施例，上述方法中基于标记的所述异常序列以及滑动密度检测识别出异常出力事件，并得到出力异常状态标签包括：设置滑动搜索窗，计算出异常点密度；基于所述异常点密度和异常点密度阈值识别出异常出力事件，并得到出力异常状态标签。
14、作为本专利技术的一个实施例，上述方法中异常出力事件评价指标体系包括：风电机组出力损失率、风电机组出力异常率和风资源平均波动率。
15、作为本专利技术的一个实施例，上述方法中基于异常出力事件评价指标体系对异常出力事件进行分类评价包括：分别设置风电机组出力损失率、风电机组出力异常率和风资源平均波动率的阈值，根据风电机组出力损失率、风电机组出力异常率和风资源平均波动率与阈值的比对，对异常出力事件进行分类评价。
16、根据本专利技术的第二方面，提供一种风电场风电机组出力损失事件识别装置，所述装置包括：序列获取单元，用于获取风电机组风速序列和功率序列；特征提取单元，用于提取并表征所述风速序列和所述功率序列的形态趋势特征；异常标记单元，用于计算风速形态趋势特征以及功率形态趋势特征的相似度量，并基于所述相似度量标记异常序列；异常出力识别单元，用于基于标记的所述异常序列以及滑动密度检测识别出异常出力事件，并得到出力异常状态标签；分类评价单元，用于基于异常出力事件评价指标体系对异常出力事件进行分类评价；输出单元，用于输出所述出力异常状态标签及分类评价结果。
17、作为本专利技术的一个实施例，上述序列获取单元包括：原始序列获取模块，用于获取风电机组原始风速序列和功率序列；序列处理模块，用于对所述原始风速序列和功率序列进行平滑、整定以及标准化处理得到处理后的风电机组风速序列和功率序列。
18、作为本专利技术的一个实施例，上述特征提取单元具体用于：计算所述风速序列和所述功率序列的一阶差分值；采用1，0，-1来描述序列的上升、平稳和下降趋势，将置信概率设置为0.99，得到所述风速序列和所述功率序列的形态趋势特征序列trw和trp：
19、
20、
21、上式中，max(vb,diff)和min(vb,diff)分别表示风速差分序列的最大值和最小值；max(pb,diff)和min(pb,diff)分别表示功率差分序列的最大值和最小值。
22、作为本专利技术的一个实施例，上述异常标记单元具体用于：基本文档来自技高网...
【技术保护点】
1.一种风电场风电机组出力损失事件识别方法，其特征在于，所述方法包括：
2.如权利要求1所述的风电场风电机组出力损失事件识别方法，其特征在于，所述获取风电机组风速序列和功率序列包括：
3.如权利要求1所述的风电场风电机组出力损失事件识别方法，其特征在于，所述提取并表征所述风速序列和所述功率序列的形态趋势特征包括：
4.如权利要求3所述的风电场风电机组出力损失事件识别方法，其特征在于，所述计算风速形态趋势特征以及功率形态趋势特征的相似度量，并基于所述相似度量标记异常序列包括：
5.如权利要求1所述的风电场风电机组出力损失事件识别方法，其特征在于，所述基于标记的所述异常序列以及滑动密度检测识别出异常出力事件，并得到出力异常状态标签包括：
6.如权利要求1所述的风电场风电机组出力损失事件识别方法，其特征在于，所述异常出力事件评价指标体系包括：风电机组出力损失率、风电机组出力异常率和风资源平均波动率。
7.如权利要求6所述的风电场风电机组出力损失事件识别方法，其特征在于，所述基于异常出力事件评价指标体系对异常出力事件
8.一种风电场风电机组出力损失事件识别装置，其特征在于，所述装置包括：
9.如权利要求8所述的风电场风电机组出力损失事件识别装置，其特征在于，所述序列获取单元包括：
10.如权利要求8所述的风电场风电机组出力损失事件识别装置，其特征在于，所述特征提取单元具体用于：
11.如权利要求10所述的风电场风电机组出力损失事件识别装置，其特征在于，所述异常标记单元具体用于：
12.如权利要求8所述的风电场风电机组出力损失事件识别装置，其特征在于，所述异常出力识别单元包括：
13.如权利要求8所述的风电场风电机组出力损失事件识别装置，其特征在于，所述异常出力事件评价指标体系包括：风电机组出力损失率、风电机组出力异常率和风资源平均波动率。
14.如权利要求13所述的风电场风电机组出力损失事件识别装置，其特征在于，所述分类评价单元具体用于：
15.一种电子设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7任一项所述方法的步骤。
16.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7任一项所述方法的步骤。
...【技术特征摘要】
1.一种风电场风电机组出力损失事件识别方法，其特征在于，所述方法包括：
2.如权利要求1所述的风电场风电机组出力损失事件识别方法，其特征在于，所述获取风电机组风速序列和功率序列包括：
3.如权利要求1所述的风电场风电机组出力损失事件识别方法，其特征在于，所述提取并表征所述风速序列和所述功率序列的形态趋势特征包括：
4.如权利要求3所述的风电场风电机组出力损失事件识别方法，其特征在于，所述计算风速形态趋势特征以及功率形态趋势特征的相似度量，并基于所述相似度量标记异常序列包括：
5.如权利要求1所述的风电场风电机组出力损失事件识别方法，其特征在于，所述基于标记的所述异常序列以及滑动密度检测识别出异常出力事件，并得到出力异常状态标签包括：
6.如权利要求1所述的风电场风电机组出力损失事件识别方法，其特征在于，所述异常出力事件评价指标体系包括：风电机组出力损失率、风电机组出力异常率和风资源平均波动率。
7.如权利要求6所述的风电场风电机组出力损失事件识别方法，其特征在于，所述基于异常出力事件评价指标体系对异常出力事件进行分类评价包括：
8.一种风电场风电机组出力损失事件识别装置，其特征在于，所述...
【专利技术属性】
技术研发人员：刘辉，杨伟新，张扬帆，沈小军，吴林林，沈欣宴，李阳，马彦伟，李强，
申请(专利权)人：国网冀北电力有限公司电力科学研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。