【技术实现步骤摘要】
本专利技术主要涉及风电，具体涉及一种基于数据分布的风电机组叶片失速诊断方法及系统。
技术介绍
1、如图1所示，叶片失速现象是指在风力发电过程中，当风速增加到一定程度，使得风力发电机组的叶片攻角(即气流方向与叶片叶弦的夹角)超过某一临界值时，叶片背面流动工况开始恶化，边界层受到破坏，在叶片背面尾端出现涡流区的现象。此时，叶片的升力急剧下降，阻力却显著增加，导致叶片无法继续提供足够的升力以维持正常的旋转速度，进而引发风电机组发电功率的下降和效率的降低。
技术实现思路
1、针对现有技术存在的技术问题，本专利技术提供一种成本低、诊断精度高、可行性高的基于数据分布的风电机组叶片失速诊断方法及系统。
2、为解决上述技术问题，本专利技术提出的技术方案为：
3、一种基于数据分布的风电机组叶片失速诊断方法，包括步骤：
4、s1、获取风电机组完全开桨发电数据集d；
5、s2、利用dbscan空间密度聚类算法对完全开桨发电数据集d进行筛选，筛选出正常数据簇n，得到正常数据簇n的初始下边界；
6、s3、对正常数据簇n的初始下边界进行边界平滑，得到平滑后的下边界；
7、s4、基于平滑后的下边界判断风电机组的数据点是否处于失速工况。
8、优选地，步骤s2的具体过程为：
9、s201、对完全开桨发电数据集d按照风速划分为m个bini,i＝1,2,3...m；
10、s202、对各个风速bini按有功功率排
11、s203、选取样本数最多的簇做为该风速bini的正常数据簇ni；
12、s204、将所有风速bini下的正常数据簇集合{n1,n2,n3...nm}定义为初始正常数据簇n。
13、优选地，步骤s201中，得到ε邻域的具体过程为：
14、s1.1、对完全开桨发电数据集d按照风速划分为m个bini,i＝1,2,3...m；
15、s1.2、对各个bini计算有功功率的上下限lup,llow，筛选bini有功功率介于lup,llow之间的样本，得到：
16、gi＝{gij|llow<gij<lup} (1)
17、s1.3、将gi按有功功率升序排序，然后对排好序后的功率依次做差计算，得到相邻两个有功功率数据的差值dij,j＝1,2,3...，取dij,j＝1,2,3...的最大值，得到εi；
18、1.4、取集体{εi|i＝1,2,3...,m}的80％分位数做为ε邻域值。
19、优选地，步骤s201中，得到minpts最小点数的过程为：
20、s2.1、对完全开桨发电数据集d按照风速划分为m个bini,i＝1,2,3...m；
21、s2.2、对各个bini计算有功功率的上下限lup,llow，上下限距离ri＝lup-llow，样本总数counti；
22、s2.3、取ri,i＝1,2,3...m的80％分位数，得到r，令：
23、
24、s2.4、取minptsi,i＝1,2,3...的最小值，作为minpts最小点数参数。
25、优选地，在步骤s3中，边界平滑的过程为：
26、设第n次平滑后的下边界为：
27、ln(v),n＝1,2,3... (3)
28、第n次平滑的下边界由第n-1次平滑的下边界计算获得，即：
29、
30、其中ln-1(v)为第n-1次平滑后的下边界曲线，vi为bini,i＝1,2,3...m的平均风速。
31、优选地，下边界平滑的截止条件为：
32、
33、其中ncut为平滑截止次数，pcut为常数。
34、优选地，在步骤s4中，当数据点i在下边界以下，且i不是噪声点，则数据点i为失速样本，否则为其它异常样本。
35、本专利技术还公开了一种计算机程序产品，包括计算机程序，所述计算机程序被处理器运行时执行如上所述方法的步骤。
36、本专利技术进一步公开了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序在被处理器运行时执行如上所述方法的步骤。
37、本专利技术还公开了一种基于数据分布的风电机组叶片失速诊断，包括相互连接的存储器和处理器，所述存储器上存储有计算机程序，所述计算机程序在被处理器运行时执行如上所述方法的步骤。
38、与现有技术相比，本专利技术的优点在于：
39、本专利技术考虑数据的空间分布特征，首先通过dbscan空间密度聚类算法在风电机组完全开桨发电数据集d上进行初步筛选，得到初始正常数据簇n，再对数据簇n进行边界平滑，得到平滑后的下边界，再通过平滑后的下边界来判断数据点失速与否。上述方案具有以下优点：
40、1)dbscan加边界平滑提供新的视角
41、dbscan算法是一种应用十分广泛的聚类算法，其基于数据的空间分布密度，将数据集中的数据点分成若干个类别，从中初步筛选正常类别后，利用边界平滑的方法确定正常数据的下边界，再根据下边界识别机组失速与否。本方案与其它方法相比，本方案基于现有风电机组scada数据，无需增加新的传感器(叶片压力、形变、扭角等传感器)；另外dbscan加边界平滑的方法充分挖掘了风电机组scada数据的分布规律，为叶片失速诊断提供了新的视角。
42、2)提高了叶片失速诊断的可行性和准确性
43、由于本方案无需增加新的传感器，对于已建及新建风场，均无需投入新的硬件成本，使得本方案无论是在已建风场还是新建风场中，均可以无障碍地部署实施，方案可行性高；由于本方案基于大量的历史数据分布规律，分析过程清晰明了，每一步操作都有明确的依据和目的，有助于提高诊断的准确性。
本文档来自技高网...【技术保护点】
1.一种基于数据分布的风电机组叶片失速诊断方法，其特征在于，包括步骤：
2.根据权利要求1所述的基于数据分布的风电机组叶片失速诊断方法，其特征在于，步骤S2的具体过程为：
3.根据权利要求2所述的基于数据分布的风电机组叶片失速诊断方法，其特征在于，步骤S201中，得到ε邻域的具体过程为：
4.根据权利要求2所述的基于数据分布的风电机组叶片失速诊断方法，其特征在于，步骤S201中，得到MinPts最小点数的过程为：
5.根据权利要求1-4中任意一项所述的基于数据分布的风电机组叶片失速诊断方法，其特征在于，在步骤S3中，边界平滑的过程为：
6.根据权利要求5所述的基于数据分布的风电机组叶片失速诊断方法，其特征在于，下边界平滑的截止条件为：
7.根据权利要求1-4中任意一项所述的基于数据分布的风电机组叶片失速诊断方法，其特征在于，在步骤S4中，当数据点i在下边界以下，且i不是噪声点，则数据点i为失速样本，否则为其它异常样本。
8.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器运行
9.一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，所述计算机程序在被处理器运行时执行如权利要求1-7中任意一项所述方法的步骤。
10.一种基于数据分布的风电机组叶片失速诊断系统，包括相互连接的存储器和处理器，所述存储器上存储有计算机程序，其特征在于，所述计算机程序在被处理器运行时执行如权利要求1-7中任意一项所述方法的步骤。
...【技术特征摘要】
1.一种基于数据分布的风电机组叶片失速诊断方法，其特征在于，包括步骤：
2.根据权利要求1所述的基于数据分布的风电机组叶片失速诊断方法，其特征在于，步骤s2的具体过程为：
3.根据权利要求2所述的基于数据分布的风电机组叶片失速诊断方法，其特征在于，步骤s201中，得到ε邻域的具体过程为：
4.根据权利要求2所述的基于数据分布的风电机组叶片失速诊断方法，其特征在于，步骤s201中，得到minpts最小点数的过程为：
5.根据权利要求1-4中任意一项所述的基于数据分布的风电机组叶片失速诊断方法，其特征在于，在步骤s3中，边界平滑的过程为：
6.根据权利要求5所述的基于数据分布的风电机组叶片失速诊断方法，其特征在于，下边界平滑的截止条件为：<...
【专利技术属性】
技术研发人员：尹业峰，张家友，娄斌，陈亚楠，李籽圆，陈怀，覃龙，舒晖，唐紫琦，
申请(专利权)人：中车株洲电力机车研究所有限公司，
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。