[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

本申請提出了一種風電機組的運行數據異常檢測方法、系統及介質，該方法包括：從目標風電機組的歷史運行數據中剔除異常數據以及非穩態數據；通過等間隔分類對歷史運行數據進行工況劃分，并通過高斯混合模型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篩選出基準樣本；基于條件變分自編碼器構建目標風電機組在變工況下的基準模型,并通過基準樣本進行訓練；通過訓練完成的基準模型計算重構概率，并獲取所述目標風電機組的實時運行數據，根據重構概率以及實時運行參數的偏離度定位出異常的運行數據。該方法可以在變工況的條件下建立精確的基準模型，提高了機組在變工況下運行狀態評估的準確性，并可精確定位異常參數。

技術領域

本申請涉及風力發電技術領域，尤其涉及一種風電機組的運行數據異常檢測方法、系統及介質。

背景技術

隨著風力發電的普及率不斷提升，人們開始更加關注維護風電機組安全穩定生產，對風電機組健康狀態的監測與評估是確保風電機組安全穩定生產的重要基礎。其中，風力發電機組運行數據異常檢測是對機組在當前工況下運行狀態是否異常進行衡量，也是開展風力發電機組的健康維護工作的前提，同時，機組處于健康運行狀態下的運行數據是風電機組發電功率預測的基礎。目前，一般是通過監測并分析風電機組的實時運行數據，比較當前數據與基準數據的差異，從而進行異常判別。因此風電機組運行狀況異常檢測的核心內容是基準模型的建立。

相關技術中，通常是先進行風電機組的性能試驗，根據試驗結果結合相關的數學模型搭建機組運行狀態評價的基準模型。然而，由于風電機組運行參數間相互耦合，并且受到外部邊界條件的影響，呈現出高維、動態且非線性的特點。此外，隨著風電機組設備老化以及外界條件的改變，機組的實際基準狀態與設計值往往偏差較大。因此，上述相關技術組中的方式無法滿足風電機組在工況變換的情況下進行基準建模的需求，建立的模型不適用于實際應用中的變工況場景，導致對風電機組的運行狀態進行異常檢測的準確性較低，無法及時發現機組存在的異常。

發明內容

本申請旨在至少在一定程度上解決相關技術中的技術問題之一。

為此，本申請的第一個目的在于提出一種風電機組的運行數據異常檢測方法，該方法采用變自編碼器模型對變工況的數據進行重構，建立了多特征參數融合的異常檢測模型，實現對風電機組在變工況條件下健康狀況的實時動態評估，從而可以在變工況的條件下建立精確的基準模型，提高了機組在變工況下運行狀態評估的準確性，并可精確定位異常參數。

本申請的第二個目的在于提出一種風電機組的運行數據異常檢測系統；

本申請的第三個目的在于提出一種非臨時性計算機可讀存儲介質。

為達上述目的，本申請的第一方面實施例在于提出一種風電機組的運行數據異常檢測方法，該方法包括以下步驟：

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。