[发明专利]一种风机叶片结冰监测方法及系统

说明书

本发明公开了一种风机叶片结冰监测方法及系统，包括获取风机原始数据，在风机原始数据上构建新的特征；将风机原始数据和构建的新的特征输入至预先构建的极限梯度提升模型中进行特征重要性分析；建立孤立森林模型提取由正常运行数据组成的功率主带，使用功率主带中的正常运行数据建立动态潜变量回归模型；将预先获取的实际运行数据输入至动态潜变量回归模型，获取第二功率数据，与实际功率的误差监测指标进行对比判断是否越限，在越限时进行劣化告警，将性能劣化时段的风机运行数据作为孤立森林模型的输入，输出得到运行数据是否存在异常；若检测出运行数据存在异常，结合当前环境温度，判断是否进行风机叶片结冰预警，本发明建立了符合动态运行特性的风机叶片结冰监测模型，提高监测的准确率以及模型的可推广性。

技术领域

本发明涉及一种风机叶片结冰监测方法及系统，属于风机叶片结冰监测技术领域。

背景技术

风能资源主要分布在高纬度与高海拔地区，风电机组工作环境温度较低，空气湿度大，极易发生叶片结冰现象。风机叶片结冰会导致风能捕获效率下降并且叶片抛冰有着潜在的安全隐患，结冰严重时甚至会导致叶片断裂，威胁人身安全，造成财产损失。因此，实现风机叶片结冰实时监测并进行有效的预警对保障风电机组安全稳定运行具有重要的意义。

目前对于风机叶片结冰监测主要分为直接方法与数据驱动的方法。直接方法通过高光谱成像、红外温度测量、超声波检测等方法，利用可视化分析、热辐射信号异常、超声波传播速率的不同直接对风机叶片实现结冰的监测。数据驱动的方法则是基于风机运行数据，分析出风机叶片结冰事件的发生并进行相应的预警。通常根据叶片结冰后会导致风机功率下降，使用逻辑分类器实现风机叶片结冰检测。或者是使用高斯回归过程建立功率与转速模型，根据模型的异常输出以及环境温度条件判断叶片结冰。

直接方法需要增加额外设备，不利于进行大规模的应用。大部分数据驱动方法研究选择功率变量作为结冰监测的指标，无法进行故障分离，不能确认是否是由叶片结冰引起的功率下降，风机结冰的过程是一个随时间变化的动态过程，叶片是否结冰不仅与当前时刻的状态有关，还能够从过去时刻的相关参数信息中反应出来。传统的风机叶片结冰监测方法缺乏对结冰过程累计对风电机组性能影响的考虑，通常没有考虑风机叶片结冰过程随时间变化的特征，可能会使监测结果产生较大的不确定性。

发明内容

本发明的目的在于克服现有技术中的不足，提供一种风机叶片结冰监测方法及系统，提高对风机动态过程故障监测的准确率，成本较低且更加容易实施。

为达到上述目的，本发明是采用下述技术方案实现的：

第一方面，本发明提供了一种风机叶片结冰监测方法，包括：

获取风机原始数据，在风机原始数据上构建新的特征；

将风机原始数据和构建的新的特征输入至预先构建的极限梯度提升模型中，获取第一功率数据，并根据第一功率数据量化评估每个输入特征对功率输出的影响程度；

将对功率输出的影响程度靠前的特征输入预先构建的孤立森林模型中，获取风电机组运行数据的异常值，并提取由正常运行数据组成的功率主带；

使用功率主带中的正常运行数据建立动态潜变量回归模型，将实际运行数据输入预先建立的动态潜变量回归模型获取第二功率数据，并将第二功率数据与实际功率的误差监测指标进行对比判断是否越限，在越限时进行劣化告警，并进行参数异常检测步骤；

参数异常检测步骤，包括：将性能劣化时段的风机运行数据作为孤立森林模型的输入，输出得到运行数据是否存在异常；

若检测出运行数据存在异常，结合当前环境温度，判断是否进行风机叶片结冰预警。

进一步的，所述原始数据包括风速、桨距角、转速、机舱振动、偏航角度和功率中的一种或多种。