[发明专利]一种基于状态参数重构误差的风电机组运行状态异常检测方法

说明书

本发明属于新能源发电领域，具体涉及一种基于状态参数重构误差的风电机组运行状态异常检测方法，该方法包括：采用正常运行的风电机组数据设置监测指标阈值和连续越限时间阈值；将待检测数据经过滑动窗口处理获得增广状态数据矩阵，并对待检测数据进行重构；计算重构误差和监测指标；将计算出的重构误差和监测指标分别与设置的监测指标阈值和连续越限时间阈值进行对比，得到数据检测结果；本发明对风电机组运行数据进行重构，通过重构误差，以及连续越限数，便可通过辨识模型判断运行数据异常状态，计算方便快捷，能够获得较高异常辨识能力。

技术领域

本发明属于新能源发电领域，具体涉及一种基于状态参数重构误差的风电机组运行状态异常检测方法。

背景技术

风电场数据采集与监控系统提供了大量的风电机组运行数据，但其中绝大部分为机组健康运行数据，故障异常数据缺乏甚至难以获得，且当SCADA系统中风电机组状态参数发生越限报警时，机组的故障或异常往往已发展至一定程度。因此，如何有效地综合利用现有大量健康运行数据实现风电机组运行状态监测是所有风电研究者所要解决的难题。如果能够准确的辨识风电机组运行状态异常数据，对提高风电机组运行安全性、经济性和健康管理水平具有良好的实际应用价值。

目前基于SCADA数据的风电机组运行状态监测方法是通过对单一或少量机组状态参数的分析实现机组部件的运行状态监测和判断，难以全面反映机组整机的运行状态。

发明内容

针对现有的基于SCADA数据的风电机组运行状态监测方法中通过单一或少量数据对机组运行状态判断结果低的问题，本发明提出了一种基于状态参数重构误差的风电机组运行状态异常检测方法，该方法包括：

S1：获取待检测数据；

S2：采用滑动窗口对待检测的数据进行处理，得到增广状态数据矩阵；

S3：将待检测数据输入训练好的SDAE网络中，得到重构数据；

S4：根据增广状态数据矩阵和重构数据计算重构误差，根据重构误差计算监测指标；

S5：设置监测指标阈值和连续越限时间阈值；

S6：将计算出的监测指标与设置的监测指标阈值进行比较，若小大于设置的监测指标阈值，则执行步骤S7，否则返回步骤S1；

S7：计算重构数据的连续越限数，将连续越限数与设置的连续越限时间阈值进行对比，若大于连续越限时间阈值，则待检测数据为异常数据，否则待检测数据为噪声数据；所述连续越限数为：在监测的指标中出现连续多次超过设置的监测指标阈值的数量；

S8：根据异常数据得到风电机组运行状态的异常组件。

优选的，采用滑动窗口对待检测的数据进行处理的过程包括：

S21：设置滑动窗口的宽度和滑动窗口的数量；

S22：采用滑动窗口对待检测的数据进行采集；

S23：根据所有的滑动窗口采集的数据构建增广状态数据矩阵。

优选的，对SDAE网络进行训练的过程包括：SDAE网络包括第一DAE模型和第二DAE模型；

步骤1：获取原始SCADA数据，采用滑动窗口对原始SCADA数据进行处理，得到原始数据的增广矩阵；

步骤2：初始化SDAE网络参数，该参数包括初始加噪比c₀、加噪比阈值c_r

步骤3：根据加噪比C₀对增广矩阵进行加噪处理；

步骤4：将经过加噪处理后的增广矩阵数据输入到第一DAE模型中口模型进行训练，得到第一权值，并更新加噪比；