[發明專利]基于貝葉斯網的動態概權風電機組運行狀態綜合評估方法

有效

• 申請號: 201811594029.1
• 申請日: 2018-12-25
• 公開（公告）號: CN109685371B
• 公開（公告）日: 2021-07-13
• 發明（設計）人: 李周科;王靖程;慕三軍;王亞軍;陳倉;李勇;焦強強;王法博;郭鋒;吳智強;姚玲玲;牛瑞杰;許小強;宮巍;董芳超
• 申請（專利權）人: 華能陜西定邊電力有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q50/06
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 安彥彥

1.基于貝葉斯網的動態概權風電機組運行狀態綜合評估方法，其特征在于，包括如下步驟：

步驟1：利用scada歷史運行數據，選擇用于構建反映風電機組運行狀態的貝葉斯網絡的狀態評估參數向量；

步驟2：確定風電機組的故障模式；

步驟3：對風電機組的故障模式進行分類；

步驟4：形成貝葉斯網絡；

根據狀態評估參數向量和風電機組的故障模式之間的因果關系，結合scada系統的歷史運行數據進行統計分析，得到用于描述風電機組的故障和狀態評估參數向量間的因果關系三層貝葉斯網絡；

步驟5：確定貝葉斯網絡參數向量先驗分布；

步驟6：根據scada監控系統數據得到貝葉斯網絡參數向量的似然函數；

步驟7：確定貝葉斯網絡參數向量的后驗概率分布；

步驟8：計算各節點在不同狀態下的條件概率分布P(y_i|G)：

P(y_i|G)＝∫P(y_i|θ)p(θ|G)dθ

其中y_i表示參數i所在節點的某一狀態，G表示給定的貝葉斯網絡；θ為貝葉斯網絡的參數向量；

上式簡化為：

其中，n表示為貝葉斯網絡的參數個數，X_i表示參數i所在節點的隨機變量，π(X_i)表示參數i所在節點的父節點；

結合scada系統中的監控數據，計算得到參數i所在節點處于狀態y_i的概率P(y_i|π(X_i)，G)為：

其中

n表示為貝葉斯網絡的參數個數，q_i為貝葉斯網絡參數i所在節點的父節點個數，r_i為參數i所在節點的狀態數；α_ijk為乘積狄利克雷分布的超參數，m_ijk表示數據包含當前狀態時的特征量；

步驟9：利用貝葉斯網絡得到動態概權，得到風電機組運行狀態的評估結果。

2.根據權利要求1所述的基于貝葉斯網的動態概權風電機組運行狀態綜合評估方法，其特征在于，步驟2具體過程為：根據風電機組歷史故障信息和運行狀態信息，統計得出齒輪箱及主軸系統、發電機系統、機艙系統、變槳系統和電網系統的故障模式。

3.根據權利要求1所述的基于貝葉斯網的動態概權風電機組運行狀態綜合評估方法，其特征在于，步驟3的具體過程為：基于歷史故障情況，把風電機組的故障模式分為突發、間歇和退化三種類型，其中突發表示一個元件或系統迅速的或突然完全喪失功能；間歇表示暫時發生的無需維護能夠自定糾正；退化表示元件磨損、腐蝕、氣蝕、沖刷引起的永久失效。

4.根據權利要求1所述的基于貝葉斯網的動態概權風電機組運行狀態綜合評估方法，其特征在于，步驟5的具體過程為：假設貝葉斯網絡參數向量具有全局獨立性，從而貝葉斯網絡參數向量的先驗分布由乘積狄利克雷分布給出，

其中θ為貝葉斯網絡的參數向量，n為貝葉斯網絡的參數個數，q_i為貝葉斯網絡參數i所在節點的父節點個數，r_i為參數i所在節點的狀態數；θ_ijk為節參數i所在節點在父節點為j的條件下處于狀態k時的條件概率，α_ijk為乘積狄利克雷分布的超參數。

5.根據權利要求4所述的基于貝葉斯網的動態概權風電機組運行狀態綜合評估方法，其特征在于，步驟6的具體過程為：參數向量θ在數據D下的似然函數為：

其中m_ijk表示數據包含當前狀態時的特征量，定義如下：

m_ijk＝Σx(i，j，k；D)

其中X_i表示參數i所在節點的隨機變量，π(X_i)表示參數i所在節點的父節點。

6.根據權利要求5所述的基于貝葉斯網的動態概權風電機組運行狀態綜合評估方法，其特征在于，步驟7中，貝葉斯網絡參數向量的后驗概率分布表示為：

7.根據權利要求1所述的基于貝葉斯網的動態概權風電機組運行狀態綜合評估方法，其特征在于，步驟9的具體過程為：當從scada監控系統得到新的數據參數x時，由貝葉斯網絡得出故障模式三種類別的動態概率信息，即狀態為1時的概率，分別為突發概率p₁，間歇概率p₂和退化概率p₃，并以此作為綜合權重；將故障模式三種類別進行等級分數劃分，分別為突發S₁，間歇S₂，退化S₃，且S₁+S₂+S₃＝100；得到綜合評估結果為：

μ＝S₁β₁+S₂β₂+S₃β₃

其中β_i＝1-p_i(i＝1，2，3)。