一种基于滑动窗口的风速波动过程分类方法及装置

    公开(公告)号:CN115564184A

    公开(公告)日:2023-01-03

    申请号:CN202211088241.7

    申请日:2022-09-07

    IPC分类号: G06Q10/06 G06Q50/06

    摘要: 本发明提出一种基于滑动窗口的风速波动过程分类方法及装置,属于风电机组功率预测和风速波动过程分析领域。其中,所述方法包括:获取原始风速序列并进行降噪;对降噪后的所述风速序列通过摇摆窗算法划分成多个风速波动段;将所述风速波动段转化为等长风速时间序列,对所述等长风速时间序列进行基于特征值的一次聚类,得到所述风速序列的初步分类结果;根据所述初步分类结果,对每一个分类下的所述等长风速时间序列进行基于时间序列相似性度量的二次聚类,得到所述风速序列的最终分类结果。本发明综合考虑时间序列相似性与波动过程特征的影响,对波动过程进行二次聚类,以优化聚类效果,可获得更为准确的风速波动分类结果。

    一种风电机组异常风数据的识别方法及装置

    公开(公告)号:CN115523104A

    公开(公告)日:2022-12-27

    申请号:CN202211074714.8

    申请日:2022-09-02

    IPC分类号: F03D17/00

    摘要: 本公开提出一种风电机组异常风数据的识别方法及装置,属于风电机组运行效能评估以及风电功率预测领域。其中,所述方法包括:采集风电机组的历史风速数据序列;利用所述历史风速数据序列训练变分自编码器模型,将训练完毕的所述变分自编码器模型作为异常风速数据识别模型;获取所述风电机组待进行识别的原始风速数据序列,将所述原始风速数据序列输入所述异常风速数据识别模型,所述异常风速数据识别模型输出修正后的风速数据序列,以得到所述风电机组异常风数据的识别结果。本公开提高了风电机组异常数据的识别精度,实现了对不同类型异常风速数据的高精度识别,有助于保障风电机组的正常运行。

    一种评价风速时移性的方法

    公开(公告)号:CN112395812B

    公开(公告)日:2024-03-26

    申请号:CN202011343428.8

    申请日:2020-11-26

    摘要: 本发明公开了属于风电场技术领域的一种评价风速时移性的方法。通过建立不同空间位置处风速序列间的时移性模型,设计了评价风速时移性的步骤,并提出延迟时间DT和速度因子SF两个指标定量来评价不同空间位置处各风过程间的时间关系与速度变化情况。定量分析不同空间位置处风速序列间的时移特性,为风电场设计运行和电力系统调度提供了可靠的技术支撑。所提方法的研究结果可依据实际风况进行不断完善,且适用于任何风电场与任意空间尺度,结果可作为风资源评估的有效衡量指标,为风电场出力特性的研究提供了理论依据。

    风电场运行控制方法、装置、设备及存储介质

    公开(公告)号:CN117614023A

    公开(公告)日:2024-02-27

    申请号:CN202311315644.5

    申请日:2023-10-11

    IPC分类号: H02J3/46 F03D7/00 F03D17/00

    摘要: 本公开涉及一种风电场运行控制方法、装置、设备及存储介质。该方法包括:获取目标风电场在当前时间段内的当前实测影响数据和当前仿真影响数据,其中,当前实测影响数据和当前仿真影响数据都包括风况数据;利用预先训练的控制参数预测模型对当前实测影响数据和当前仿真影响数据进行处理,得到目标风电场在当前时间段之后的未来时间段的目标控制参数,其中,目标控制参数是目标风电场在未来时间段输出最大发电功率时的工况数据;基于目标控制参数,控制目标风电场中的各台机组运行。通过上述方式,避免因为基于实际风况确定预测风况这一过程产生控制策略存在误差的问题,提高了尾流效应的消除效果,提升了风电场尾流控制技术的实际应用价值。

    一种基于合成少数类样本的风电机组叶片结冰诊断方法

    公开(公告)号:CN115450864A

    公开(公告)日:2022-12-09

    申请号:CN202211341472.4

    申请日:2022-10-26

    IPC分类号: F03D80/40 G06F30/27

    摘要: 本发明公开了属于风电机组状态预警及故障诊断技术领域的一种基于合成少数类样本的风电机组叶片结冰诊断方法。该方法包括步骤1:监测并记录风电机组的结冰状态,给相应的SCADA数据增加结冰标签,将瞬时特征、原始SCADA数据提取的特征及时序特征结合成最终特征;步骤2:拟合理论功率曲线,采用KBS2合成少数类样本过采样方法形成新的数据集;步骤3:对训练集进行多次迭代,并得出测试集的准确率指标;步骤4:离线训练、在线部署及应用风电机组叶片结冰状态预测模型。本发明能够解决风电机组叶片结冰特征提取及结冰数据占比过低的问题,为风电机组运行维护、状态预警及故障预测研究提供可靠的方法基础。

    风电机组的主轴承故障预警方法、装置、设备及存储介质

    公开(公告)号:CN115290327A

    公开(公告)日:2022-11-04

    申请号:CN202210791735.5

    申请日:2022-07-05

    IPC分类号: G01M13/045 G06K9/62 G06F17/18

    摘要: 本公开涉及一种风电机组的主轴承故障预警方法、装置、设备及存储介质。获取目标风电机组的主轴承温度影响参数;基于主轴承温度影响参数对目标风电机组进行主轴承温度预测,计算目标风电机组的主轴承温度预测残差;对主轴承温度预测残差进行核密度估计,确定主轴承温度预测残差的概率密度曲线;根据概率密度曲线与预设的概率置信区间,对目标风电机组的主轴承进行故障预警。这种故障预警方式方便且可靠,能够对主轴承进行及时、有效的状态监测与故障预警,保证机组安全、可靠、高效运行。