论文部分内容阅读
风能是近年来发展最快的可再生能源之一,风电机组会随着投运时长的增加,逐步进入故障高发期,其中严重的机械故障将消耗大量运维资源。风电机组的故障预警研究能够提前预警机组潜在故障,避免发生严重机械故障,为维护人员合理安排运维计划提供决策支撑及预留必要的维修时间。本文基于SCADA数据开展风电机组故障预警策略研究,以“单体故障预警”、“群体故障预警”和“单体—群体信息融合故障预警”三个角度展开研究,揭示风电机组健康状态的迁徙规律,并设计“基于单体故障阈值”、“基于群体健康相似度”和“基于多时间尺度预警信息融合”三种故障预警策略。本文主要研究内容有:1.针对风电机组原始SCADA数据维度较高且含有大量异常数据的问题,提出基于“单体”故障阈值的风电机组预警策略。选择保局投影算法,在降维的同时也提取了 SCADA数据的核心特征;配合可快速建模的核极限学习机算法,建立了风电机组预测模型;并基于预测残差变化趋势,确定了风电机组的故障预警阈值,在线监测预警结果可为运维人员提供重点检修方向。2.针对早期故障信号易被因周边气象因素产生的测点信号变化淹没问题,提出基于群体多维特征相似性的故障预警策略。将风电场中的机组按照运行状态的相似性分为多个相似机组群,通过分析相似机组群内多维特征点序列,可判断两两机组相似性是否发生变化。如若目标机组因劣化发生故障,其SCADA数据分布会发生迁徙,则与目标机组相关的两两机组相似性都会变化,最终可定位潜在故障机组。3.针对所提群体多维相似性故障预警策略中多变量时间序列度量较生硬、预警结果不直观的问题,提出了基于犹豫模糊集的动态时间规整算法。所提算法是一种广义的动态时间规整算法,可退化为原始动态时间规整算法,且比原始算法更准确、时间复杂度更低。基于群体多维相似性故障预警策略框架验证了所提算法的有效性,所得结果比原预警策略可读性更高。4.针对风电场SCADA系统中整条数据缺失情况较多,可能错失关键预警信息的情况,及多个风电机组故障预警信息不一致、预警结果可靠性低的问题,提出基于数据重建与“单体—群体”多时间尺度预警信息融合的故障预警策略。使用风电场相似机组群SCADA数据重建目标机组缺失数据,建立机健康状态模型,提出了改进的衰退指标,可根据预警结果分析机组衰退过程的各个阶段;同时,为增强预警结果的可信性,研究了基于D-S证据理论的“单体—群体”预警信息融合的故障预警策略,该策略可处理多个冲突证据,并将多时间尺度预警信息融合为任一种时间尺度的故障预警信息。本文最后给出了论文研究的主要结论,并对进一步研究的方向和内容进行了展望。