为提高风电机组系统的运行效率和稳定性,提出一种基于数据驱动的风电机组能效状态分析方法,实现对机组异常状态的高效检测与预警。首先从损耗与效率的角度出发,开展各因素对机组能效的影响分析,考虑到系统各部件能量损失主要体现在热量...为提高风电机组系统的运行效率和稳定性,提出一种基于数据驱动的风电机组能效状态分析方法,实现对机组异常状态的高效检测与预警。首先从损耗与效率的角度出发,开展各因素对机组能效的影响分析,考虑到系统各部件能量损失主要体现在热量方面,因此以温度参数为依据,建立基于能量流的能效状态指标体系。然后利用风电机组数据采集与监视控制(supervisory control and data acquisition,SCADA)系统采集数据,确定各参数基准区间,构建指标偏离度矩阵,利用改进的鲸鱼算法(improved whale optimization algorithm,IWOA)优化支持向量机,实现对能效异常状态的检测。同时引入能效异常指数来表征机组能效变化情况,利用自回归滑动平均模型-支持向量机(autoregressive moving average model-support vector machines,ARMA-SVM)组合模型实现能效的时间序列预测。最后以1.5 MW双馈异步风电机组为研究对象开展算例分析。结果表明该方法能够实现对能效异常状态的有效检测和预警,为风电机组的性能优化与故障分析提供了必要的决策参考。展开更多
文摘为提高风电机组系统的运行效率和稳定性,提出一种基于数据驱动的风电机组能效状态分析方法,实现对机组异常状态的高效检测与预警。首先从损耗与效率的角度出发,开展各因素对机组能效的影响分析,考虑到系统各部件能量损失主要体现在热量方面,因此以温度参数为依据,建立基于能量流的能效状态指标体系。然后利用风电机组数据采集与监视控制(supervisory control and data acquisition,SCADA)系统采集数据,确定各参数基准区间,构建指标偏离度矩阵,利用改进的鲸鱼算法(improved whale optimization algorithm,IWOA)优化支持向量机,实现对能效异常状态的检测。同时引入能效异常指数来表征机组能效变化情况,利用自回归滑动平均模型-支持向量机(autoregressive moving average model-support vector machines,ARMA-SVM)组合模型实现能效的时间序列预测。最后以1.5 MW双馈异步风电机组为研究对象开展算例分析。结果表明该方法能够实现对能效异常状态的有效检测和预警,为风电机组的性能优化与故障分析提供了必要的决策参考。
