基于SCADA數(shù)據(jù)的風電機組變槳系統(tǒng)運行狀態(tài)評估與預測研究.pdf

1、風能作為一種潔凈、無污染的綠色能源，已成為可再生能源利用的主力軍。然而，高達25％～30％的運行和維護成本嚴重制約著風電行業(yè)的發(fā)展。同時，隨著中國近10年風電技術的迅速發(fā)展，大型風場的SCADA(Supervisory Control And Data Acquisition，數(shù)據(jù)采集與監(jiān)視控制)系統(tǒng)積累了大量歷史數(shù)據(jù)，且運行中的風電機組也每時每刻都在產(chǎn)生實時數(shù)據(jù)。這些數(shù)據(jù)蘊含著與風機運行和設備狀態(tài)有關的豐富信息。如何利用這些閑置的SC

2、ADA數(shù)據(jù)進行風機運行狀態(tài)的評估與預測，無疑具有重要的現(xiàn)實意義和學術價值。因此，本文針對這一問題展開如下研究:
　　1.基于SCADA數(shù)據(jù)的變槳系統(tǒng)狀態(tài)特征參數(shù)提取方法研究。在深入研究變槳系統(tǒng)結構和故障機理的基礎上，結合某風場級綜合監(jiān)測系統(tǒng)，采用ReliefF算法和互信息技術挖掘其SCADA數(shù)據(jù)中與變槳系統(tǒng)運行狀態(tài)相關的特征參數(shù)。定性和定量仿真測試表明，ReliefF算法與采用互信息技術及不進行數(shù)據(jù)預處理方法（即將所有故障參數(shù)都作

3、為模型輸入）相比，訓練速度更快，故障分類準確率更高。
　　2.基于ReliefF算法提取的變槳系統(tǒng)預處理數(shù)據(jù)，探討支持向量回歸預測(SVR)模型參數(shù)尋優(yōu)及應用于變槳系統(tǒng)的狀態(tài)評估及預測問題。首先采用交叉驗證法和網(wǎng)格搜索法(CV)進行SVR模型參數(shù)的尋優(yōu)。然后，將功率輸出作為SVR模型的決策參數(shù)，建立SVR回歸預測模型。針對隨機干擾因素，采用滑動窗口殘差估計方法分析預測模型的殘差趨勢，進而評估變槳系統(tǒng)運行狀態(tài)。與神經(jīng)網(wǎng)絡的對比實驗表

4、明，本文所建SVR模型具有較好的狀態(tài)評估與預測能力。
　　3.基于小世界鄰域粒子群優(yōu)化支持向量機(SWPSO-SVR)的變槳系統(tǒng)狀態(tài)評估與預測模型研究。由于CV參數(shù)尋優(yōu)方法存在計算量大，效率和精度低的缺點，在數(shù)據(jù)量大的情況下，所建SVR模型不利于實際應用。因此本文進一步探討SVR參數(shù)尋優(yōu)問題，提出SWPSO-SVR改進算法。對比CV-SVR算法可知，SWPSO-SVR算法具有精度高、收斂速度快、不易陷入局部極小值等優(yōu)點。結合某風場

5、SCADA數(shù)據(jù)測試分析，驗證了改進模型用于變槳系統(tǒng)狀態(tài)評估與預測的有效性和實用性。
　　4.變槳系統(tǒng)運行狀態(tài)監(jiān)測方法工程應用系統(tǒng)研究。應用Matlab軟件中的GUI開發(fā)可與綜合監(jiān)控系統(tǒng)連接的交互式平臺，以拓展綜合監(jiān)控系統(tǒng)變槳系統(tǒng)故障預測與報警的功能，為變槳系統(tǒng)的安全運行維護提供決策支持。
　　綜上，風場SCADA數(shù)據(jù)蘊含著豐富的運行狀態(tài)信息，通過分析其數(shù)據(jù)變化規(guī)律，可評估和預測變槳系統(tǒng)的健康運行狀態(tài)。本文研究具有一定的經(jīng)濟性