基于SCADA运行数据的风电机组健康状况评价

发布时间：2021-01-08 11:57

　　风能作为一种清洁的可再生能源,以其技术程度、基础设施建设以及成本方面的优势日益受到重视。但是风力的波动性、间歇性、能量密度低的特点也导致了风电功率的波动性,这容易对风电机组的稳定运行以及电网并网产生巨大的冲击,因此对风电机组的健康状况评价具有十分重要的意义。本文对基于SCADA运行数据的风电机组健康状况评价进行研究,针对核模型和神经网络模型两个不同的研究方向,分别选取基于区间聚类的支持向量回归（SVR）模型和基于长短期记忆网络（LSTM）的循环神经网络模型两个建模方法。SVR是一种利用支持向量机来拟合曲线并做回归分析的核学习算法,本文针对风电机组的数据和SVR的特性,提出区间聚类思想:将机组运行数据按照风速划分区间,并用聚类的方法找到每个区间的中心点作为SVR模型的训练数据。其中区间长度和中心点个数用粒子群算法寻找最优解,避免由区间聚类引起的数据丢失和精度下降。循环神经网络可以按照时序来处理任意长度的信息,LSTM可以选择性遗忘和记忆历史数据,本文结合两者特点建立基于LSTM的循环神经网络模型,经实例验证采用这种方式的风电机组模型准确度与传统神经网络相比更高。针对核模型和神经网络模型,... 

【文章来源】：华北电力大学河北省 211工程院校 教育部直属院校

【文章页数】：59 页

【学位级别】：硕士

【部分图文】：

风电机组内部结构图

风电机组运行原理图

图 3-1 一维数据至二维映射如图 3-1 所示，左边的一维空间上的两类数据，想要直接线性可分是，但是，如果通过F( )将一维空间上的点映射到二维空间上，右图则。

【参考文献】：
期刊论文
[1]基于多类证据体方法的风电机组健康状态评估[J]. 胡姚刚,李辉,刘海涛,宋二兵,欧阳海黎,兰涌森.  太阳能学报. 2018(02)
[2]采用动态劣化度的风电机组运行状态实时评估[J]. 江顺辉,方瑞明,尚荣艳,王黎.  华侨大学学报(自然科学版). 2018(01)
[3]基于优化粒子群K-means聚类算法在风功率预测中的应用[J]. 郭敏,赵巧娥,王先军,高金城,李昆.  自动化技术与应用. 2017(08)
[4]计及信息不确定性的风电机组健康状态实时评估方法[J]. 李刚,张建付,文福拴,宋雨.  电力系统自动化. 2017(18)
[5]高比例可再生能源电力系统的关键科学问题与理论研究框架[J]. 康重庆,姚良忠.  电力系统自动化. 2017(09)
[6]基于波动互相关系数的风能资源评估组合模型[J]. 叶林,饶日晟,杨丹萍,靳晶新,张亚丽.  中国电机工程学报. 2017(03)
[7]大数据处理技术在风电机组齿轮箱故障诊断与预警中的应用[J]. 张少敏,毛冬,王保义.  电力系统自动化. 2016(14)
[8]传递熵算法在风电机组故障穿越特征分析中的应用[J]. 陈子瑜,李庆,王伟胜.  中国电机工程学报. 2016(14)
[9]基于风电机组功率特性曲线数据的偏航系统参数分析[J]. 张上.  科技创新与应用. 2016(16)
[10]基于功率曲线的风电机组数据清洗算法[J]. 娄建楼,胥佳,陆恒,曲朝阳,李韶武,刘瑞华.  电力系统自动化. 2016(10)

硕士论文
[1]风力发电机组故障特征分析与诊断方法研究[D]. 毛小丽.华北电力大学 2017
[2]大型风电机组故障诊断研究[D]. 杨明莉.上海电机学院 2015
[3]大型风电机组故障模式统计分析及故障诊断[D]. 杨明明.华北电力大学（北京） 2009



本文编号：2964552