[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

说明书

技术领域

本发明涉及一种系统运行状态评价技术，更具体地说，涉及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。

背景技术

随着风力发电的规模化发展，风电产业在应对气候变化和能源结构调整中发挥了重要作用。然而，由于风电机组运行环境恶劣，加之其它影响因素，风电机组的故障频繁发生，高达10％-15％的运行和维护成本成为了风电产业发展的最大瓶颈^[1]，因此，如何保证风电机组的安全可靠运行、降低运维成本得到了专家学者的高度关注。开展风电机组运行状态评估研究，能够有效预防单个机组的故障和集群连锁故障的传播，合理安排维护计划，降低运维成本，提高风电机组的安全性与可靠性，延长风电机组使用寿命。

目前，已有大量文献介绍了风电机组关键部件的状态评估方法^[2-8]，然而由于机组结构的复杂，仅针对某一关键部件进行状态评估难以准确全面地反映风电机组整体的运行状态，因此，需从整体层面上，研究适合于评估风电机组运行状态的方法。近年来，已有相关文献研究了基于支持向量机的智能化方法^[9]、物元评估法^[10]、健康状态评价法^[11]和模糊综合评价法^[12](Fuzzy Synthetic Evaluation,FSE)等方法的风电机组运行状态评估模型，其基本思想是通过分析机组的数据采集与监控(Supervisory Control and Data Acquisition,SCADA)系统的实时数据，来建立评估模型。其中，模糊综合评价法是基于模糊线性变换和隶属度，对具有多因素、多层次的复杂系统的运行状态做出定量评价，十分切合风电机组系统自身的特点，因而被应用于包括风电机组在内的复杂运行环境和工况的系统进行状态评估。文献[12]采用层次分析法(Analytic Hierarchy Process,AHP)构建了评价指标体系，同时，引入劣化度将指标进行归一化处理，并应用模糊综合评价法建立风电机组运行状态的评价模型。在求解模型时，劣化度表征的是系统的正常状态与故障状态的相对劣化程度。事实上，风电机组劣化是一个量变到质变的发展过程，机组劣化度不仅受到评价指标当前值的影响，更与评价指标的变化趋势密切相关。文献[12]和其他文献^[13、14]在计算劣化度时仅代入指标参数的当前值，难以准确反映机组的潜在故障。文献[15]针对传统模型劣化度计算的不足，提出将指标参数的变化趋势引入到劣化度的计算中，但是文中指标参数的变化趋势采用模糊预测法得到，存在一定的主观性，这种方法在系统状态突变时容易出现误判。因此，需在指标参数的趋势预测上找到一种新的方法。

近年来，马尔科夫链(Markov Chain,MC)模型在数据趋势预测^[16-18]中已被验证具有独特的优势,可用于挖掘数据序列潜在的变化规律，其MC状态概率转移矩阵能够有效地从当前时刻的状态预见未来时刻的状态，将其应用于挖掘评价指标的参数趋势变化，能够克服以往FSE模型在劣化度计算中的缺陷。

相关文献：

[1]陈雪峰,李继猛,程航等.风力发电机状态监测和故障诊断技术的研究与进展[J].机械工程学报,2011,47(09):45-52.

[2]CHEN Xuefeng,LI Jimeng,CHENG Hang,et al.Research and application of condition monitoring and fault diagnosis technology in wind turbines[J].Journal of mechanical engineering,2011,47(9):45-52.

[3]郭鹏,DAVID INFIELD，杨锡运.风电机组齿轮箱温度趋势状态监测及分析方法[J].中国电机工程学报,2011,31(32):129-136.

[4]GUO Peng,DAVID INFIELD,Yang Xiyun.Wind turbine gearbox condition monitoring using temperature trend analysis[J].Proceedings of the CSEE,2011,31(32):129-136(in Chinese).