采用预测模型与模糊理论的风电机组状态参数异常辨识方法

摘要：

为提高风电机组的停运预警能力,基于风电场数据采集与监控(SCADA)系统数据提出了一种风电机组状态参数的异常辨识方法.对参数进行划分,针对与环境因素密切相关的状态参数,采用神经网络建立了状态参数预测模型.采用本机组近期SCADA样本、本机组历史样本和其他机组近期样本分别作为预测模型的训练数据,对比分析了基于3类样本建立的模型的预测精度.采用平均绝对误差对基于本机纽历史样本和其他机组近期样本建立的预测模型进行选择.定义了异常程度指标量化预测残差的异常程度.为了提高异常辨识的精度,采用模糊综合评判对筛选出的预测模型的异常辨识结果进行融合.最后,以国内某风场的1.5 MW风电机组为例进行了异常分析,并与传统的风电机组状态参数异常检测方法进行了对比,实例分析结果表明所提出的异常辨识方法具有更高的准确性.

关键词：风电机组、风电场数据采集与监控系统、预测模型、模糊综合评判、异常辨识

所属期刊栏目：37

分类号：TM315(电机)

资助基金：国家电网公司重大科技专项智能变电站母线及智能组件可靠性研究Project supported by Major Project of State Grid Corporation of China

在线出版日期：2017-09-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：90-98