一種風電機組風速風向儀覆冰故障預警方法，包括以下步驟：提取風力發電機組健康運行時期的SCADA數據；計算每個時間點冰凍指標；獲取健康數據的健康邊界；獲得健康狀態指標；計算出狀態指標的閾值；隨后將待測試的SCADA數據處理后與以上閾值進行比較，發出故障報警。本發明專利技術方法可以準確進行覆冰故障報警。本發明專利技術方法可以準確進行覆冰故障報警。本發明專利技術方法可以準確進行覆冰故障報警。
【技術實現步驟摘要】
一種風電機組風速風向儀覆冰故障的預警方法
[0001]本專利技術涉及風電設備狀態監測與故障診斷領域，尤其涉及一種風電機組風速風向儀覆冰故障的預警方法。
技術介紹
[0002]風速風向儀是每臺風電機組中必不可少的裝置，包括風速儀與風向標兩部分，風速儀首先由風杯將風速變換成垂直旋轉軸的轉速，再用數字方法對垂直旋轉軸的轉速進行測量；風向儀由尾翼板對準來風同時帶動垂直旋轉軸轉動，再用角度傳感器對風向進行測量。風機通過測得的風速與風向來控制自身的槳距角與偏航角度，以達到更高效率的風能利用效率。因此風速風向儀數據的準確性對風機運行尤為關鍵。
[0003]但是風速風向儀通常在機艙上方，暴露在室外，在雨雪天氣可能會存在覆冰現象，導致風速儀與風向標的垂直旋轉軸與基座凍在一起，無法正常轉動，進而測量數據異常，產生一定經濟損失。并且覆冰狀態下的數據與正常停機數據相似，通過普通分類算法無法判斷機組風速風向儀是否處于覆冰狀態。
[0004]現有技術CN116341892A公開一種基于相對濕度的風機覆冰脫網風險預警方法及系統，包括：獲取各預測時間點的天氣預報信息；對預測溫度小于零度的任一預測時刻點，將預報的濕度信息代入根據歷史數據擬合的第一計算模型中得到該預測時刻點的能見度，然后將求解得出的能見度代入根據歷史數據擬合的第二計算模型中得到該預測時刻點的液水含量；將計算得到的液水含量代入根據歷史數據擬合的第三計算模型中得到該預測時刻點所對應風電場風機葉片覆冰脫網的最大數量；同時，將計算得到的液水含量代入根據歷史數據擬合的第四計算模型中得到該預測時刻點所對應風電場風機葉片覆冰脫網期望風機數量。
[0005]現有技術CN116362382A公開了一種基于風電場覆冰狀態的短期功率預測方法及系統，屬于風電場功率預測
，方法包括：獲取風電場各風機的E文本數據、測風塔數據和風機歷史覆冰厚度；將風機實際輸出功率與根據測風塔數據預測計算得到的初始預測輸出功率進行對比，建立助力預測模型；獲取數值氣象數據與各風機地理數據，對數值氣象數據進行修正；計算風機慣性系數、留存系數和凝凍系數，建立覆冰厚度計算模型；引入風機覆冰條件，利用灰色關聯度法計算修正的氣象數據與覆冰厚度的關聯度，對覆冰厚度計算模型進行校正，進而計算覆冰厚度；將風機覆冰厚度與初始預測輸出功率輸入至助力預測模型，確定最終預測輸出功率；將最終預測輸出功率上報。
[0006]以上現有技術雖然提出了要對覆冰進行預警，但是存在預警精度低，計算復雜的問題。
技術實現思路
[0007]基于以上問題，本專利技術提出了一種風電機組風速風向儀覆冰故障預警方法。本專利技術根據風速風向儀覆冰特點設計了一種冰凍指標，有效地在狀態空間中將冰凍數據與健康
數據進行了區分，再通過狀態點與健康數據集邊界的方向以及歐式距離大小進行故障預警。
[0008]本專利技術包括以下步驟：步驟1：提取風力發電機組健康運行時期的SCADA數據，篩除異常的數據點，并進行平均降采樣；步驟2：利用步驟1處理后的SCADA數據計算每個時間點冰凍指標；步驟3：將處理好的風速、有功功率數據進行最大
?
最小歸一化，之后與冰凍指標作為輸入，訓練一個單分類器獲取健康數據，并獲取健康數據的健康邊界；步驟4：計算健康數據與健康邊界的最短歐式距離，用正負號表示在邊界的內外，并以此作為健康狀態指標；步驟5：利用健康狀態指標計算出狀態指標的閾值；步驟6：測試時，待測試的SCADA數據按步驟1和步驟2進行數據預處理，刪除異常數據點并計算冰凍指標；步驟7：測試時，取步驟6預處理數據中的風速、有功功率數據進行最大
?
最小歸一化，隨后與冰凍指標數據一起代入模型，計算每個狀態點與健康邊界的歐氏距離，并加上正負號表示在邊界內外，得到測試數據健康狀態指標；步驟8：測試時，步驟7得到的測試數據健康狀態指標進行移動平均法平滑；步驟9：測試時，根據步驟5計算得到的閾值，當步驟8中平滑后的健康狀態指標按時間順序連續有3個值超出閾值范圍時，認為風速風向儀出現了覆冰故障，發出報警。
[0009]進一步的，步驟1中數據預處理時篩除各測點全為0的異常數據，并將數據按照t時長進行平均降采樣。
[0010]進一步的，步驟2中，冰凍指標計算公式為 ，其中temp是當前時刻艙外溫度的絕對值；angle是風向當前時刻與前一時刻之差的絕對值；wind是當前風速。
[0011]進一步的，步驟2中冰凍指標可用于將風速風向儀覆冰狀態數據與健康時期數據區分。
[0012]進一步的，步驟2中，冰凍指標計算公式由覆冰產生條件、風速儀覆冰特點和風向儀覆冰特點確定。
[0013]進一步的，步驟2中，當狀態點越符合覆冰特征時，冰凍指標越大，當狀態點越不符合覆冰特征時，冰凍指標越小。
[0014]進一步的，步驟3中，通過向量機算法計算得到健康數據集邊界。
[0015]進一步的，步驟4中，取狀態點與健康數據集邊界的歐式距離，再加上正負號表示狀態點在邊界內或外，以此作為量化風速風向儀覆冰狀態的健康狀態指標。
[0016]進一步的，步驟5中，健康狀態指標閾值計算公式為： ，其中μ、σ分別表示健康運行時期經平滑處理過后的健康狀態指標的均值和標準差，k為控制閾值范圍大小的常數，λ為指數加權移動平均中的加權系數，n為訓練數據的個數。
[0017]進一步的，測試數據依次經上述預處理、計算冰凍指標、計算健康狀態指標、移動平均平滑等過程，平滑后的健康狀態指標與步驟5中計算得到的閾值作比較，當按時間順序
連續有3個點均超出閾值范圍時認為風速風向儀發生了覆冰故障，發出報警。
[0018]本專利技術的有益效果為：與現有技術相比，本專利技術利用SCADA運行數據，根據覆冰數據特點，構建出冰凍指標，將風速風向儀覆冰數據與健康數據在狀態空間中區分，并提出了一種針對風速風向儀覆冰故障的預警模型，有效地對風速風向儀覆冰進行了診斷，避免了一定的經濟損失。本專利技術方法先根據訓練數據計算出健康狀態指標閾值，隨后根據閾值來對測試數據進行測試，從而通過測試數據是否超出閾值來判斷風速風向儀是否出現了覆冰故障。
附圖說明
[0019]圖 1表示風電機組風速風向儀覆冰故障預警方法的流程圖。
[0020]圖 2表示某風場6號機組風速風向儀覆冰全年測試結果圖。
[0021]圖 3表示某風場6號機組風速風向儀覆冰10月1日至10月7日測試結果圖。
[0022]圖 4表示某風場14號機組風速風向儀覆冰全年測試結果圖。
[0023]圖 5表示某風場14號機組風速風向儀覆冰10月1日至10月7日測試結果圖。
[0024]圖 6表示某風場15號機組風速風向儀覆冰全年測試結果圖。
[0025]圖 7表示某風場15號機組風速風向儀覆冰10月1日至10月7日測試結果圖。
具體實施方式
[0026]以下通過特定的具體實例說明本專利技術的實施方式，本領域技術人員可由本說明書所揭露的內容輕易地了解本專利技術的其他優本文檔來自技高網...
【技術保護點】
【技術特征摘要】
1.一種風電機組風速風向儀覆冰故障預警方法，其特征在于，所述方法具體包括以下步驟：步驟1：提取風力發電機組健康運行時期的SCADA數據，篩除異常的數據點，并進行平均降采樣；步驟2：利用步驟1處理后的SCADA數據計算每個時間點冰凍指標；步驟3：將處理好的風速、有功功率數據進行最大
?
最小歸一化，之后與冰凍指標作為輸入，訓練一個單分類器獲取健康數據，并獲取健康數據的健康邊界；步驟4：計算健康數據與健康邊界的最短歐式距離，用正負號表示在邊界的內外，并以此作為健康狀態指標；步驟5：利用健康狀態指標計算出狀態指標的閾值；步驟6：測試時，待測試的SCADA數據按步驟1和步驟2進行數據預處理，刪除異常數據點并計算冰凍指標；步驟7：測試時，取步驟6預處理數據中的風速、有功功率數據進行最大
?
最小歸一化，隨后與冰凍指標數據一起代入模型，計算每個狀態點與健康邊界的歐氏距離，并加上正負號表示在邊界內外，得到測試數據健康狀態指標；步驟8：測試時，步驟7得到的測試數據健康狀態指標進行移動平均法平滑；步驟9：測試時，根據步驟5計算得到的閾值，當步驟8中平滑后的健康狀態指標按時間順序連續有3個值超出閾值范圍時，認為風速風向儀出現了覆冰故障，發出報警。2.根據權利要求1中所述的一種風電機組風速風向儀覆冰故障預警方法，其特征在于，步驟1中數據預處理時篩除各測點全為0的異常數據，并將數據按照t時長進行平均降采樣。3.根據權利要求1中所述的一種風電機組風速風向儀覆冰故障預警方法，其特征在于，步驟2中，冰凍指標計算公式為 ，其中temp是當前時刻艙外溫度的絕對值；angle是風向當前時刻與前一...
【專利技術屬性】
技術研發人員：滕偉，王逸霄，彭迪康，馬志勇，柳亦兵，
申請(專利權)人：華北電力大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。