[發明專利]一種基于譜聚類的風電場旗艦風機優化選取方法

有效

• 申請號: 202011395291.0
• 申請日: 2020-12-03
• 公開（公告）號: CN112507616B
• 公開（公告）日: 2023-02-03
• 發明（設計）人: 魏善碧;楊微;王昱;吳睿;余笑;王輝陽
• 申請（專利權）人: 重慶大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06F18/23213;G06Q10/04;G06Q50/06;G06F113/06
• 代理公司: 濟南鼎信專利商標代理事務所(普通合伙) 37245
• 代理人: 賈國浩

1.一種基于譜聚類的風電場旗艦風機優化選取方法，其特征在于，包括步驟：

S1、通過SCADA系統采集風電場風機的相關數據；

S2、采用自編碼算法進行風機數據預處理；

S3、采用譜聚類算法進行不同風向下風機分簇；

所述步驟S3具體包括步驟：

S31、構建表示風機樣本數據的相似度矩陣A，

其中，a_i,j通過如下公式計算：

其中，

σ_i為X_i的k個最近鄰的平均距離，k＝3～5；

h_i,j表示第i臺和第j臺風機數據樣本的歐式距離，其計算公式如下：

其中，X_i是由第i臺風機的預處理后的數據構成的集合X_i＝[x_1,i,x_2,i,…,x_m,i]^T；

S32、構建拉普拉斯矩陣L和特征向量空間U；

其中，度矩陣D是基于相似性矩陣A建立的對角矩陣，

其中，

對拉普拉斯矩陣L進行特征值分解，將特征值從小到大排序，取前p個特征值，找出其前p個最大特征值所對應的特征向量u₁,u₂,…,u_p，并組成特征向量空間U＝[u₁,u₂,…,u_p]；

S33、對U的每一行進行歸一化處理，通過歸一化后得到矩陣Y為

S34、利用矩陣Y通過K-means算法劃分成p個簇；

S4、通過不同風向的聚類結果選取旗艦風機；

所述步驟S4具體包括步驟：

S41、計算各個簇內風機的旗艦風機評價指標，計算公式如下：

其中，α_z代表第z項相關系數的權重比，ρ_z代表簇內第i臺風機與簇內其他風機之間第z項相關系數之和的平均值，其計算公式如下：

其中，n_c是簇內風機總數量，代表簇內第i臺風機的第z項數據樣本；

S42、將簇內風機的旗艦風機評價指標從大到小排序，取前b個風機為該簇內的預選旗艦風機，b＝2～4；

S43、依次獲取不同風向下的各個聚類結果的預選旗艦風機，然后計算各個預選旗艦風機參與各聚類集合并集大小，按照并集大小從大到小排序，取排序最靠前的為首個旗艦風機，并去掉該旗艦風機所參與各聚類集合以及其簇內預選旗艦風機，然后計算剩下預選旗艦風機參與剩余各聚類集合的并集大小，再按照并集大小排序，取排序最靠前的為第二個旗艦風機，以此類推，選至所有風機都被合并成某一類為止；

S5、設計在線旗艦風機容錯策略；

所述步驟S5具體包括步驟：

S51、在某簇內旗艦風機出現停機的情況下，首先保持其他簇內風機分組不變；

S52、計算該簇內普通風機到其他旗艦風機的距離，計算公式如下：

其中，d(i,j)代表普通風機i到旗艦風機j的歐式距離，X_i為普通風機i的樣本數據，X_j為旗艦風機j的樣本數據；

S53、通過比較該簇內普通風機到其他旗艦風機的距離，按照最鄰近其他旗艦風機的規則對該簇內風機進行二次分配。

2.根據權利要求1所述的一種基于譜聚類的風電場旗艦風機優化選取方法，其特征在于：所述步驟S1中的相關數據包括風機運行數據、風機坐標、風電場信息，所述風機運行數據包括風電場不同風向的來流實測風速、風機實測風速和風向、風機輸出功率、發電機組相關數據、變頻器模塊相關數據、輪轂模塊相關數據。

3.根據權利要求1所述的一種基于譜聚類的風電場旗艦風機優化選取方法，其特征在于，所述步驟S2具體包括步驟：

S21、對SCADA系統采集的數據進行清洗；

S22、對SCADA系統采集數據中異常點進行識別并剔除；

S23、將步驟S22中獲得的數據作為自編碼算法的輸入層，采用向后傳播算法進行模型訓練，通過輸入層到隱藏層的編碼過程，輸入層的高維數據將被簡化為隱藏層的低維數據。