[發明專利]一種風機葉片早期結冰故障預測方法

在審

• 申請號: 202110026131.7
• 申請日: 2021-01-08
• 公開（公告）號: CN112836424A
• 公開（公告）日: 2021-05-25
• 發明（設計）人: 沈賀;陳田;李瓊瓊;王海濤
• 申請（專利權）人: 上海電機學院
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06K9/62;G06Q10/04;G06Q50/06;F03D80/40;G06F113/06;G06F119/02
• 代理公司: 上海科盛知識產權代理有限公司 31225
• 代理人: 楊宏泰

本發明涉及一種風機葉片早期結冰故障預測方法，包括以下步驟：S1：獲取預測參數數據，構建樣本集并進行數據預處理；S2：通過Relief?F算法進行特征選擇，得到最優特征子集；S3：對最優特征子集進行PCA特征變換，得到最佳特征；S4：構建早期結冰故障預測模型并利用最佳特征進行模型訓練；S5：利用訓練完成的結冰故障早期預測模型，判斷風機葉片是否發生早期結冰故障，與現有技術相比，本發明具有效率高、精度高等優點。

技術領域

本發明涉及風力發電設備領域，尤其是涉及一種風機葉片早期結冰故障預測方法。

背景技術

隨著碳達峰、碳中和目標的提出，以風電、光伏為代表的新能源將呈現出爆發式的增長模態。風電作為清潔、綠色、環保的可再生能源，對降低碳排放具有顯著作用，有利于實現碳達峰、碳中和的宏偉目標。目前，許多風機安裝在濕度大、溫度低的中南部高海拔地區，特殊的地理位置使得風機在運行過程中會受到不同程度的自然環境影響，其中，風機葉片結冰導致機組獲取風能的能力下降，從而引起發電機輸出功率減少，葉片性能改變以及機組自身設備發生損壞等。因此，快速有效地檢測并去除葉片結冰對風電機組的安全運行和使用壽命至關重要。

在實際應用中，當外界環境變化較大時，檢測裝置可以準確地檢測到結冰，并及時啟動除冰系統自動除冰；當變化較小時，很難有效地檢測到結冰狀態。雖然早期葉片結冰對機組運行影響不明顯，但隨著環境的突變很容易演化成嚴重結冰。目前，對于葉片結冰，主要是在機組外部安裝溫度、濕度、振動等傳感器，通過測量相應的數據變化來判斷是否結冰，這樣不僅增加了自身成本，還會影響葉片的空氣動力學性能。中國專利CN201811296712.7公開了一種基于SCADA數據的機葉片結冰預測方法，包括獲取歸一化SCADA數據；獲取影響風機葉片結冰的特征數據集；構建并訓練風機葉片結冰預測模型；對訓練后的風機結冰預測模型進行優化；對風機葉片是否結冰進行判斷。但是該方法采集關鍵參數數據特征的過程復雜，且無法得到最佳特征屬性，對于葉片結冰的早期預測結果精度和檢測效率均不高。

發明內容

本發明的目的就是為了克服上述現有技術存在的缺陷而提供一種提高檢測精度和檢測效率的風機葉片早期結冰故障預測方法。

本發明的目的可以通過以下技術方案來實現：

一種風機葉片早期結冰故障預測方法，包括以下步驟：

S1：獲取預測參數數據，構建樣本集并進行數據預處理；

S2：通過Relief-F算法進行特征選擇，得到最優特征子集；

S3：對最優特征子集進行PCA特征變換，得到最佳特征；

S4：構建早期結冰故障預測模型并利用最佳特征進行模型訓練；

S5：利用訓練完成的結冰故障早期預測模型，判斷風機葉片是否發生早期結冰故障。

進一步地，所述的步驟S1中，通過SCADA系統采集獲取預測參數數據，所述的預測參數數據包括風速、環境溫度、環境濕度、發電機轉速、偏航速度、網側有功功率和葉片角度等。

進一步地，所述的步驟S1中的數據預處理包括標簽標記、數據補充、數據刪除、數據均衡和數據過濾。

更進一步地，所述的數據預處理具體包括以下步驟：

S11：對樣本集中的預測參數數據進行標簽標記，所述的標簽包括正常數據、結冰數據和無效數據；

S12：對缺失或異常數據進行數據補充，并對無效數據進行數據刪除；

S13：通過欠采樣方式對正常數據進行壓縮，使正常數據與結冰數據比例為1:1，實現數據均衡；

S14：通過強規則進行數據過濾，過濾掉正常數據中明顯不結冰的數據。