[發明專利]風電機組的運行數據異常檢測方法、系統及介質

在審

• 申請號: 202210261000.1
• 申請日: 2022-03-16
• 公開（公告）號: CN114623050A
• 公開（公告）日: 2022-06-14
• 發明（設計）人: 朱俊杰;任鑫;周盛龍;張華;楊松圣;馬瑞霖;郝龍;張珩;金懷康;鐘清;楊峰;趙建鋒
• 申請（專利權）人: 華能大理風力發電有限公司洱源分公司;中國華能集團清潔能源技術研究院有限公司
• 主分類號: F03D17/00
• 分類號: F03D17/00
• 代理公司: 北京清亦華知識產權代理事務所(普通合伙) 11201
• 代理人: 黃垚琳

1.一種風電機組的運行數據異常檢測方法，其特征在于，包括以下步驟：

獲取待檢測的目標風電機組的歷史運行數據，從所述歷史運行數據中剔除不符合風電機組輸出特性的異常數據以及非穩態數據；

選取運行工況特征參數，通過等間隔分類對所述歷史運行數據進行工況劃分，并通過高斯混合模型GMM對每種工況下的數據樣本根據樣本相似性進行聚類，根據預設的篩選標準從每種工況下的全部聚類簇中篩選出基準樣本；

對風電機組在變工況下的運行狀態進行分析,基于條件變分自編碼器構建所述目標風電機組在變工況下的基準模型,并通過所述基準樣本對所述條件變分自編碼器進行訓練，獲取訓練完成的基準模型；

通過所述訓練完成的基準模型計算重構概率作為異常檢測的特征指標，并獲取所述目標風電機組的實時運行數據，根據所述重構概率以及所述實時運行數據的實際值與重構值之間的偏離度定位出異常的運行數據。

2.根據權利要求1所述的方法，其特征在于，所述從所述歷史運行數據中剔除非穩態數據，包括：

將所述目標風電機組的輸出功率表示為包含功率的變化速率的表達式；

計算相鄰兩個時刻輸出功率的差值；

通過時間窗口內樣本統計量的均值對所述功率的變化速率進行估計；

通過區間估計確定所述功率的變化速率的真實值位于的置信區間；

根據所述置信區間內是否不包括零，判斷所述目標風電機組在所述時間窗口內是否處于非穩態工況，若是，則將非穩態數據剔除。

3.根據權利要求1或2所述的方法，其特征在于，所述選取的運行工況特征參數包括：風速、風向、扭矩、轉速、環境溫度和負荷，所述通過等間隔分類對所述歷史運行數據進行工況劃分，包括：

確定每個所述運行工況特征參數在自身變化范圍內的最大值和最小值，并獲取預設的每個所述運行工況特征參數的工況劃分間隔；

通過以下公式進行等間隔工況劃分：

C_i＝(S_i,S_i+ΔS)∩(D_i,D_i+ΔD)∩(M_i,M_i+ΔM)∩(N_i,N_i+ΔN)∩(T_i,T_i+ΔT)∩(P_i,P_i+ΔP)

s.t.S_i＜＜S_min,S_i+ΔS＞＞S_max,D_i＜＜D_min,D_i+ΔD＞＞D_max,M_i＜＜M_min,M_i+ΔM＞＞M_max,N_i＜＜N_min,N_i+ΔN＞＞N_max,T_i＜＜T_min,T_i+ΔT＞＞T_max,P_i＜＜P_min,P_i+ΔP＞＞P_max

其中，S是風速，D是風向，M是扭矩，N是轉速，T是環境溫度，P是負荷；

從劃分后的全部工況中剔除無效工況，直至剩余有效工況的數目大于理論工況總數的預設比例。

4.根據權利要求1所述的方法，其特征在于，所述通過高斯混合模型GMM對每種工況下的數據樣本根據樣本相似性進行聚類，包括：

通過最大期望值算法估計所述高斯混合模型GMM的參數；

通過赤池信息準則AIC確定所述高斯混合模型的子模型個數，以對所述目標風電機組的狀態類別進行聚類；

所述根據預設的篩選標準從每種工況下的全部聚類簇中篩選出基準樣本，包括：

比較每個聚類簇下的數據樣本，選擇平均運行效率最高的目標數據組作為基準樣本；

通過所述高斯混合模型GMM將似然遠小于平均似然的樣本點剔除。