[發明專利]基于風機SCADA數據的風電場發電量損失測量方法及系統

在審

• 申請號: 201711114583.0
• 申請日: 2017-11-13
• 公開（公告）號: CN109800931A
• 公開（公告）日: 2019-05-24
• 發明（設計）人: 王吉遠;張超;龍泉;張耀文;王朝;劉澈;趙樹良;彌崧;歐陽磊;李新宇;石一迪
• 申請（專利權）人: 北京普華億能風電技術有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q10/04;G06Q10/00;G06Q50/06
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開了一種基于風機SCADA數據的風電場發電量損失測量方法及系統，方法為：獲得風機SCADA數據和現場測風塔數據；對風機SCADA數據和現場測風塔數據進行篩選處理，篩選風機SCADA數據中異常的記錄值及停機時間，并建立一個完整的數據集；根據數據集，建立風機性能評價指標；通過風機性能評價指標，計算得到風電場的發電量損失。本發明通過結合神經網絡技術和隨機過程理論，對風機SCADA數據進行分析，建立了風機運行行為模型，提出了評估風機運行性能的指標，計算得到了風機發電量損失，通過數據驅動的風機性能評估方法用來提高風機運維效率，降低維護成本。

技術領域：

本發明涉及風電領域，尤其涉及基于風機SCADA數據的風電場發電量損失測量方法及系統領域。

背景技術：

風電場屬于資本密集型項目，其中建筑投資、風機制造與安裝以及并網系統占比為80％，運行和維護成本占20％。因此，保持風機以相對高的效率工作并制定最佳維修策略符合投資者的主要利益，特別是在海上風電場復雜且惡劣的工作環境下，保持風機高性能穩定運行更加重要。

降低運維成本的主要途徑在于提高風機性能的和優化維護策略。為實現風機高性能穩定運行，首先需要對風機運行性能進行評估，然后利用評估結果優化運維策略。現有技術中，通過建立故障預測模型，并將分析結果與故障模式進行匹配來解決該問題。然而，這些模型大都具一定程度的不確定性；以及由建模過程中的簡化帶來的對風機運行復雜性的忽略。此外，這些研究需要大量的高質量的歷史故障數據，這對該類方法的研究和應用帶來了巨大的挑戰。

因此，現有技術中的缺陷是：現有的風機發電量評估方法考慮影響風機性能的因素不夠全面，不能對風機性能進行精準的評價，進而不能有效地對風機進行維護啊，降低了風機運行效率，同時，大量單葉輪風力發電機的使用令整個風電場難以降低運維成本和提高發電效率。

發明內容：

本發明的目的在于提供一種基于風機SCADA數據的風電場發電量損失測量方法及系統，通過結合神經網絡技術和隨機過程理論，對風機SCADA數據進行分析，建立了風機運行行為模型，提出了評估風機運行性能的指標，計算得到了風機發電量損失，通過數據驅動的風機性能評估方法用來提高風機運維效率，降低維護成本。同時在另一方面，通過提出一種新型的雙葉輪風力發電機的機構，進一步提高風機的發電效率，使得上述基于風機SCADA數據的風電場發電量損失測量方法及系統能夠更好提升風電場運營效率。

本發明由如下技術方案實施：

第一方面，本發明提供一種基于風機SCADA數據的風電場發電量損失測量方法，包括：

步驟S1，獲得風機SCADA數據和現場測風塔數據；

步驟S2，對所述風機SCADA數據和現場測風塔數據進行篩選處理，篩選所述風機SCADA數據中異常的記錄值及停機時間，并建立一個完整的數據集；

步驟S3,根據所述數據集，建立風機性能評價指標；

步驟S4，通過所述風機性能評價指標，計算得到風電場的發電量損失。

本發明提供的基于風機SCADA數據的風電場發電量損失測量方法，其技術方案為：獲得風機SCADA數據和現場測風塔數據；對所述風機SCADA數據和現場測風塔數據進行篩選處理，篩選所述風機SCADA數據中異常的記錄值及停機時間，并建立一個完整的數據集；根據所述數據集，建立風機性能評價指標；通過所述風機性能評價指標，計算得到風電場的發電量損失。

本發明提供的基于風機SCADA數據的風電場發電量損失測量方法，通過結合神經網絡技術和隨機過程理論，對風機SCADA數據進行分析，建立了風機運行行為模型，提出了評估風機運行性能的指標，計算得到了風機發電量損失，通過數據驅動的風機性能評估方法用來提高風機運維效率，降低維護成本。

進一步地，所述步驟S3，具體為：