[发明专利]基于SVR算法和偏峰度的风电机组发电机故障预警方法

说明书

本发明涉及风力发电机故障预警领域，提供了一种基于SVR算法和偏峰度的风电机组发电机故障预警方法，包括：对风电机组发电机的历史数据进行数据采集；进行数据清洗，去除异常数据；使用支持向量回归算法建立预警模型；残差分析预警：基于统计学中的偏度和峰度，计算预警模型输出值的残差，通过滑动窗口算法按天计算残差的峰度和偏度，偏度的最大值和峰度的最大值二者的均值作为预警模型阈值的最大值，偏度的最小值和峰度的最小值二者的均值为预警模型阈值的最小值，对风电机组发电机实时数据在线监测预警。本发明能在风电机组发电机发生故障前及时提供故障前预判，第一时间实现故障的分析和控制，防止带来巨大的经济损失和安全事故。

技术领域

本发明涉及风力发电机故障预警领域，特别涉及一种基于SVR算法和偏峰度的风电机组发电机故障预警方法。

背景技术

随着近年来能源供应日益紧张，环境污染问题日益突出，国家对新能源的需求与日俱增，全球迫切地发展可再生能源来解决不可再生能源越来越匮乏的困境。风能作为一种清洁高效的能源已经成为国家重点关注和发展的对象。对于整个风电产业而言，路正在越走越宽。据《风电行业市场前瞻与投资战略规划分析报告》预计到2023年，全球风电累计装机量达969.15GW。数十年来，我国风电发展取得了举世瞩目的成就。产业规模迅速扩大，新增装机和累计装机连续多年领跑全球，并在2018年年底成为首个风电装机突破2亿千瓦的国家。欧洲风能协会(WindEurope)最新发布的一份报告显示，2019年上半年，欧洲风电新增装机容量达到4.9GW,去年同期为4.5GW。随着装机容量的快速增加，风电机组的正常运行决定着风电场的经济效益。当风电机组发生故障时，不仅会造成发电量的不足，而且可能会产生严重的安全事故。这是因为风场都处于偏远地区、风电场切分风复杂多变、且长期运行在野外、暴晒和雷雨等恶劣环境中，其次机舱位于50-80米的高空中，加剧了维护维修工作的展开。风电机组的核心部件一旦损坏，在风场无法修复，必须得运到专业厂家修理。因其维修费用高、周期长，势必给风电场造成巨大的经济损失，严重影响风电的经济效益。因此研发一种安全可靠的故障预警系统对风电场尤为重要。

风电机组的故障诊断常用方法有时域分析方法和频域分析方法，时域分析方法主要研究不同时刻信号之间的关系，对于某些有明显特征的故障信号，可做出定性分析。频域分析方法通过研究波形的谐波分量来识别多种频率成分，但是频域分析所需要的信号需要特定的传感器来采集，以前安装的风机大多没有安装此类传感器，因此目前主流的方法还是采用比较经济的时域方法分析。

现有的风电机组发电机预警方法普遍存在算法计算复杂、参数假设性强、耗费时间长、预测模型的可靠性不足、泛化能力弱等问题，限制了故障预测实用性的进一步提升。当机组发电机发生异常时，机组的温度参数偏离正常状态，但是温度参数的停机值的设定依据是出厂设置，一般设定比较高，无法识别出故障初期的异常状态。

发明内容

本发明的目的是克服现有技术的不足，提供了一种基于SVR算法和偏峰度的风电机组发电机故障预警方法，解决现有方法存在算法计算复杂、参数假设性强、耗费时间长、预测模型的可靠性不足、泛化能力弱等问题；通过检测发电机轴承温度实际值与预测值的变化趋势，基于机器学习中鲁棒性比较强的支持向量回归算法(SVR)为发电机轴承温度预测模型，实现训练速度快、泛化能力强、收敛速度快、准确度高的在线监测预警。

本发明采用如下技术方案：

一种基于SVR算法和偏峰度的风电机组发电机故障预警方法，所述方法包括如下步骤：

S1、对风电机组发电机的历史数据进行数据采集；

S2、对采集到的数据进行数据清洗，去除异常数据；

S3、提取模型特征：采用随机森林算法提取建模特征；

S4、建立预警模型：使用支持向量回归算法(SVR)建立预警模型；

S5、残差分析预警。