[发明专利]基于马尔科夫链的风电机组运行状态模糊综合评价方法

权利要求书

1.一种基于马尔科夫链参数预测的风电机组运行状态模糊综合评价方法，其特征在于，包括以下步骤：

1)预定义风电机组运行状态评价等级V；

2)建立风电机组运行状态评价指标层次模型：首先把风电机组分为若干个子项目，然后依据整体性原则，采用SCADA系统的监测参数，将各个子项目细分为多项评价指标，收集并整理各个子项目的各项评价指标的评价指标参数，建立风电机组运行状态评价指标层次模型；

3)各层权重的确定：采用层次分析法得到评价指标的常权值，再对常权值进行变权处理，评价指标的变权公式为：

其中，a’_ij和a_ij分别为第i个子项目的第j个评价指标的变权值和常权值；g_ij为相应的劣化度；m为第i个子项目下评价指标的个数；α为变权系数；

4)基于马尔科夫链模型的劣化度计算，将不同数据范围的评价指标参数进行归一化处理，具体包括以下步骤：

4.1)建立马尔科夫链模型，预测评价指标参数的变化趋势，再将评价指标参数的当前值和趋势变化量相加，得到评价指标参数的预测值；

4.2)劣化度的计算：对于评价指标参数越小表征运行状态越良好的子项目，其劣化度的计算如下：

其中，x为评价指标参数的预测值，x_max、x_min分别为当前评价指标参数允许范围的最大值、最小值；

对于评价指标参数处于中间数值段表征运行状态不良的子项目，其劣化度的计算如下：

其中，x为评价指标参数的预测值，x_b、x_a分别表示当前评价指标参数正常范围的上限值、下限值；

5)评价指标隶属度矩阵的建立：在归一化评价指标参数后，采用隶属函数确定每个评价指标对步骤1)预定义的运行状态评价等级的隶属度矩阵R_i；

6)多层次模糊综合评价：设第i个子项目U_i有k个评价指标，由评价指标的变权向量A’_i＝(a’_i1,a’_i2,…,a’_ik)和隶属度矩阵R_i计算得到各子项目的评价矢量V_i，并构成风电机组的综合隶属度矩阵R；

V_i＝A’_i*R_i＝(v_i1,v_i2,v_i3,v_i4)；

R＝[V₁,V₂,V₃,V₄,V₅]^T；

其中，V_i表征了第i个子项目的模糊综合评价结果矢量，矢量中每个元素代表了子项目对每个评价等级的隶属度；

由子项目U_i的权重向量A'和综合隶属度矩阵R，求得风电机组运行状态的综合评价矢量，矢量中每个元素代表了风电机组对每个评价等级的隶属度；综合评价矢量如下：

V＝A'*R＝(v₁,v₂,v₃,v₄)；

其中，*为模糊合成算子。

2.根据权利要求1所述的基于马尔科夫链参数预测的风电机组运行状态模糊综合评价方法，其特征在于，基于马尔科夫链模型，设系统具有n个状态，n个状态的一步转移概率p_ij的集合组成了一步转移概率矩阵P⁽¹⁾，具体如下：

p_ij＝m_ij/m_i；

其中，m_ij表示由状态i经过一步转移到状态j的次数，m_i表示状态i出现的次数；

则基于马尔科夫链的预测模型为：

x_k＝x₀P⁽¹⁾；

其中，x₀为初始时刻状态概率向量，x_k为下一时刻的状态概率向量。