龍源風電機組性能智能診斷預警平臺
2022-04-18 20:11:28
次
一、項目背景
風力發電作為新能源產業技術之一,已得到社會各方面的全面認可。但是由于自然環境和負荷不穩定等因素,導致風電機組在使用過程中,機組部件會逐漸磨損和腐蝕、斷裂,最終引起故障而停機或者大部件損壞。從而進行風電機組性能劣化預警,及時掌握部件損壞情況,在機組部件進入故障前,進行隱患排查、修理及更換,是提升風力發電的安全性和經濟性的必要手段。
二、問題與挑戰
1、不能忽視的時序。風機機組性能劣化是一個具有時間跨度的現象,無法依據單點檢測判定是否發生劣化,需要綜合一段時間內的機組運行數據分析機組在一段時間內是否發生劣化。如圖是風速和功率散點圖:
2、劣化的強相關聯。風機機組劣化是一個動態過程,同一時刻某一劣化現象往往會引起另一劣化現象,所以需要將每一種劣化割裂開進行分析。
3、二維世界的損失。風機機組數據是一段時間內的積累,反應了風速和功率曲線形態上,時間作為第三維數據無法體現,而時間是風電機組性能劣化預警的重要因素。
三、解決方案
利用機器學習算法,分析與風機劣化的相關的影響因素,構建基于風機功率曲線的劣化分類模型。引入時間平移窗口,將時序考慮進算法模型,分析機組劣化開始和結束時間。
引入機器學習算法,分析風機機組不同劣化現象的影響因素,探索風機劣化原因。利用圖像處理技術,提取機組功率特性曲線特征,構建分類模型,預測風機機組劣化類型,劣化類型包括離散點離散度大、起點偏移、出現限負荷點、曲線形態異常等。
以時間小窗口為切入點,動態分析機組功率特性曲線的變化過程,利用劣化分類模型分析不同時間出現不同類劣化的起止時間。
四、應用價值
建立風電機組性能劣化預警模型,離線或在線批量預警風電機組性能劣化,分析各類劣化原因,確定劣化發生時間。
準確把握機組的實時運行狀態,并對其早期缺陷及時預警,有助于防范機組嚴重故障的發生。
風電場引入風電機組性能劣化預警,保證風電場發電機組安全運行,提升風力發電的安全性和經濟性,促進風力發電技術蓬勃發展。