基于孤立森林和标准差检测法的风电功率异常数据清洗

在风电功率预测中，风速到风电功率的转换是关键步骤，风功率曲线建模和机器学习等技术都需要高质量的风电功率数据，而风电机组实际运行过程中由于多种因素会导致风功率曲线中出现大量的异常数据.首先分析了河南省洛阳市虎头山风电场风电机组历史运行异常数据分布特征，提出了结合孤立森林（iForest）算法与标准差（σ）检测法的技术对异常数据进行识别，并对比了iForest-σ和σ-iForest两种次序组合方式在异常数据识别过程中的异常数据清洗时间、删除率、准确率.结果表明，iForest-σ和σ-iForest方法都能够有效识别异常数据，iForest-σ方法相对数据删除率低且精度高.上述方法清洗效果好，效率高且不依赖于正常数据进行非监督训练，同时适用于其他研究场景的异常数据清洗工作，具有较强的通用性.     

风电机组数据采集与监控系统异常数据识别方法

为了解决原始的风电机组数据采集与监控系统(SCADA)中包含大量异常记录的数据、难以准确反映机组运行状态的问题,提出了一种带噪声基于密度的空间聚类(DBSCAN)模型的风电机组SCADA异常数据识别方法。该方法从分析风速-功率曲线的特点出发,采用预测误差和分类准确度来选取关键聚类参数邻域半径和邻域最小样本点数,避免了人工确定聚类参数的主观性,且参数选择过程可以完全自动化,实现了风电机组SCADA异常数据的有效识别。通过某风场中风电机组的监测数据进行实例验证,结果表明：所提方法能够在保证异常数据被剔除的前提下,保留尽可能多的正常数据,异常识别效果好于现有的k-dist图法和基于k-平均最近邻算法的改进算法(KANN-DBSCAN)。该研究可为开展风电机组状态分析提供参考。     

用于风电机组容量评估的容量可信度快速算法

针对以往在利用风电机组容量可信度这一指标来评价风电机组容量时,准确度与计算速度不能兼顾的问题,提出了一种基于负载-失负荷概率曲线来快速准确计算风电机组容量可信度的最大公因子步长算法(GCDS)。该方法首先将风速分布信息和风电机组特性曲线离散化,把风电机组出力建模为多状态,然后应用负载-失负荷概率的递推关系式和以各个机组装机容量最大公约数为步长进行遍历的算法,快速得出加入风电机组前后系统的负载-失负荷概率曲线,最终得出风电机组的容量可信度。仿真和实验结果表明:把1个风电机组加入到41个常规机组的系统中,使用GCDS算法对风电机组容量可信度进行计算,在准确度可以保证的前提下,计算时间仅为0.015 6s,与穷举法相比,计算效率有了极大提升。     

基于EEMD-GA-BP模型的风电功率短期预测研究

随着我国风电产业迅速发展,风电并网规模不断扩大,准确预测风电场输出功率是降低风电波动对电网影响、提高电能质量、保证电网稳定运行的有效途径.本文采用箱型分析及热卡填充的方法对数据集中的异常数据进行清洗与重构.采用遗传算法与EEMD分解算法相结合的方式改进BP算法,并且根据不同时间尺度预测结果对比,相对于传统预测模型而言,...     

基于数据的风功率特性评估平台设计及实验研究

随着风电装机容量的迅猛增长,对风电机组的功率特性评估需求越来越高。基于数据挖掘技术,结合IEC标准的评估方法,设计了风电机组功率特性评估实验平台。该实验平台既涵盖了常规的数据清洗、数据插补、环境因素修正、 Bin方法等常规评估手段,又包括了贝叶斯岭回归、决策树回归等专业功率曲线评估方法。通过系列实验结果表明,实验平台评估分析得出的风功率曲线特性、发电量情况与风电机组实际运行情况基本吻合。同时,该实验平台对开展风电机组健康评估和风速、功率预测等进一步研究具有重要指导作用。     

基于孤立森林方法的催化裂化装置排污数据异常识别

基于分裂准则与相对质量算法对孤立森林算法进行了改进,优化了孤立森林算法的分支步骤与局部度量方式。利用标准数据集(Shuttle、Satellite、Annthyroid)验证了算法的有效性,并分析了算法复杂度;应用改进的孤立森林算法对某炼化企业催化裂化数据进行异常识别,与经典的孤立森林算法、SCiForest及ReMa-iForest的异常识别效果进行对比分析。结果表明:改进的孤立森林算法能够在提高模型精确度的同时提升算法的执行效率。研究提出的异常识别方法将为催化裂化监测数据的分析提供可靠数据支撑。     

基于QM-DBSCAN的风力机数据清洗方法

针对风电场风速-功率异常数据难以清洗的问题,提出一种基于QM-DBSCAN算法的风电场数据清洗方法.首先选取最能代表风力机运行状况的风速-功率数据作为研究对象,根据异常数据的分布特征进行分类;然后分别利用四分位法、标准DBSCAN算法及基于QM-DBSCAN方法识别和剔除异常数;最后通过spearman系数进一步验证所提方法的有效性.研究结果表明:QM-DBSCAN方法的剔除效果最好,较四分位法和标准DBSCAN法的spearman系数分别提高0.003 5和0.004 7.     

大型风力机异常功率数据清洗方法

针对风力机异常功率数据难以有效清洗的问题,提出改进的DBSCAN方法.首先将数据集离散分割,然后在各离散区间内自适应粗估DBSCNA算法参数并聚类,最后计算统计特征相似性修正聚类结果.以某风场2.5 MW风力机SCADA系统实测数据验证所提方法,结果表明:改进方法的召回率为97.97%,准确率为97.97%,F₁值可达97.85%,可有效清洗风力机功率数据集,且变更数据集时改进方法结果更稳定.     

海量信息异常检测问题的异常概率排序算法

针对异常检测算法速度慢、精度低、稳定性差等问题,提出了一种通过异常概率排序提取异常点的算法(OAP).由于异常点相对正常点更容易通过对数据空间的均匀分割而孤立出来,所以OAP通过数据点在均匀N叉分割树中的孤立深度估算异常概率的大小,从而得到异常概率的排序,最终构造由k个异常概率最大的点组成的列表,列表中的数据就是所求的...     

风电场功率曲线异常数据的清洗与建模

风电场风速功率数据中通常包含大量异常数据,难以反映风机的真实工作情况,影响风电功率预测的准确性,进而造成一定的经济损失.针对该问题,分析异常数据的特征,提出滑差-四分位异常数据剔除方法,并利用高次多项式和Logistic函数对剔除后的数据进行风速-功率曲线建模,最后用和方差、均方根误差和确定系数验证该方法的适用性和有效性.实例分析表明,该方法简单高效、通用性强,可显著提高风电机组功率特性分析的准确度.     

基于风场大数据互信息关联的风电机组性能评估

在风电机组现场运行大数据基础上,提出了一种互信息关联分析的风电机组输出功率建模方法;并基于该模型对风机叶片加装涡流发生器前后风电机组的性能进行了评估分析。计算验证结果表明:所建模型能够较好的拟合机组的输出功率;同时在叶片前缘附件加装涡流发生器,可以有效的改善机组的发电性能,提升风机对风能的利用率。     

中小型风力机功率曲线的分析与优化

以提高风力机发电效率为目标,对风机功率曲线的工作点及可优化区间进行分析,为功率曲线优化提供基础。根据风力机的监测数据,采用最小二乘法与查表法估算出最优功率曲线,将其与叶尖速比法结合,调整风力机内部参数,以进行功率曲线优化。该方法利用实际的中小型风力机机进行试验,克服了叶尖速比法需要建立准确风力机模型及风速测量等在实际生活中应用的局限性;并对单台风力机建立模型,理论输出功率精度高,具有很高的自适应性。通过对多台风力机功率曲线的对比分析,发现该方法对优化风力机的功率曲线具有一定效果,可为中小型风力机的优化提供参考。     

基于风速预测的双馈风力发电机组变桨距协调控制

在分析风能的特性、风速区域划分以及大型风力发电机组常用控制方法的基础上,指出当前控制中存在的滞后、大惯性等问题.针对这些问题,提出基于风速预测的新型变桨距协调控制方法,在高于额定风速的情况下,加入风速预测环节,从而克服风速测量滞后、桨距角调节惯性大等问题.这种控制方法将小波变换嵌入时间序列法中,用于建立ARMA模型进行风速预测,然后将预测的风速送入控制环节,具有较好的动态控制性能.最后,通过实例仿真验证了该设计方法的有效性.     

基于自适应遗传-粒子群优化算法的风电场微观选址优化

为了减小尾流效应对风电场发电量的影响,提高风能利用率,提出了一种自适应权重的遗传-粒子群优化算法(genetic-particle swarm optimization algorithm, GA-PSO)。首先,以风电场单位发电成本为目标函数,风机坐标为优化变量,通过在优化变量的速度更新中加入惯性权重,以改变算法的寻优速度;其次,在WASP软件选址的基础上,对风电机组进行布局优化;进而,将计算结果与遗传算法(genetic algorithm, GA)、萤火虫算法(firefly algorithm, FA)和粒子群(particle swarm algorithm, PSO)优化算法进行对比。结果表明：运用PGOA算法优化后的风电场单位发电成本为2 016元/GWh,减少了232元/GWh,年发电量为82.633 GWh,比优化前提高了8.538 GWh,同时尾流损失减小了1.12%。可见研究结论对未来的风电场微观选址具有一定指导意义。     

鹦鹉螺等角螺线型风力机数值模拟及建筑扰流分析

为了提高风力机组的整体性能,解决风力机在实际运行中受建筑物影响的问题,利用仿真分析软件Fluent对不同叶片数的新型鹦鹉螺等角螺线型风力机进行气动性能研究,建立建筑物与风力机组排布模型,分析建筑物扰流特性,对比扰流环境对风力机组转矩性能的影响。结果表明：3个叶片风力机的整体性能更优;建筑物下游出现紊流区域,切向速度明显增加,其附近的新型鹦鹉螺等角螺线型风力机组转矩性能明显提升,验证了建筑物附近安装鹦鹉螺等角螺线型风力机组的可行性。所提风力机组排布方式可有效提升风力机性能,为风力机结构优化设计和建筑物附近风力机排布提供参考。     

基于信息融合的风电机组齿轮箱轴承故障诊断

针对风电齿轮箱轴承故障问题,提出一种基于信息融合将BP神经网络与D-S证据理论相结合的风电轴承故障诊断方法。首先基于大数据,挖掘SCADA(supervisory control and data acquisition)系统中与风电齿轮箱轴承故障有关的振动、温度、电流、转矩和转速信号等故障特征;然后将各信号故障特征量作为神经网络输入,将神经网络的输出归一化作为证据理论基本概率分配值(BPA值),为解决各证据之间冲突问题,采用一种基于加权的方法来改进各条证据,以减小冲突;最后利用组合规则将各条改进的证据融合,得出最终诊断结果。研究基于某风场2 MW风电机组的实际运行数据,结果表明:随着融合信号维度的增加,最终诊断结果的准确率也逐步提高,融合多维信号的可靠性明显高于单一信号。     

基于速度势面元法的风力机风轮三维气动性能预估

大型风力机风轮气动设计和性能分析需要更加准确、快速的预估方法。风力机风轮三维流场具有低Mach数、高Reynolds数的特点,该文把风轮流场简化为有势流场,将叶片表面和尾迹视为有势流场的边界,采用速度势方程作为流动控制方程,使用面元法进行求解,建立了风力机风轮三维气动性能数值计算的模型,并编制了计算程序。同时,还建立了适用于水平轴风力机的尾迹迭代求解方法,考虑了表面摩擦阻力对风轮转矩和推力的影响,提高了计算精度。与实验结果对比证明,该方法具有很好的计算准确性,为进一步研究常规运行工况下的风力机风轮气动性能,特别是大型变速变桨风力机气动性能提供了一个准确、快速的预估方法。     

变桨距风电机组最佳叶尖速比的拟合求取

根据风力机数学模型,分析最大风能捕获的运行点条件,推导最佳叶尖速比的计算表达式.运用曲线拟合方法拟合得到误差数据条件下的最佳叶尖速比的参数,间接计算得到最佳叶尖速比.算例显示拟合值准确度较高.研究工作为计算风电机组最佳叶尖速比提供新的曲线拟合方法.     

风力机启停机过程中的振动特征分析

风力机运行中由于受到环境荷载和叶轮转动的激励作用,塔架产生振动,影响风力机寿命.为了分析风力机在启停机过程中的振动规律和动态特性,对1.5 MW风力机塔顶的振动进行了长期监测,并采用基于数据驱动的随机子空间法识别了结构一阶自振频率和阻尼比.对监测结果进行统计分析,发现该风力机在并网转速附近运行的时段较多,当风力机启动经过并网转速时,有明显的共振现象,而风力机停机经过并网转速时,共振现象则不明显.模态识别的结果表明,一阶自振频率随运行工况不同而微幅变化,风力机启动经过并网转速时的阻尼比较小,风力机停机经过并网转速时的阻尼比相对较大.此外,基于Sommerfeld效应对风力机启停机过程中的不同振动现象进行了解释.本文成果对于掌握同类型风力机的振动特性和动力参数优化具有借鉴意义.