计及信息不确定性的风电机组健康状态实时评估方法

被引：32

作者：

李刚 ^{[1
]}

张建付 ^{[1
]}

文福拴 ^{[2
,3
]}

宋雨 ^{[1
]}

机构：

[1] 华北电力大学控制与计算机工程学院

[2] 浙江大学电气工程学院

[3] 文莱科技大学电机与电子工程系

来源：

电力系统自动化 | 2017年 / 41卷 / 18期

基金：

中央高校基本科研业务费专项资金资助;

关键词：

风电机组; 预测与健康管理; Spark流式处理; 高斯云变换; 高斯云模型;

D O I：

暂无

中图分类号：

TM315 [风力发电机];

学科分类号：

080802 [电力系统及其自动化];

摘要：

运行工况识别作为风电机组状态监测与健康管理领域的重要环节,往往受到不确定信息以及高速实时数据流的影响,造成健康状态评估难以有效实施。在此背景下,文中提出一种基于Spark流式处理的健康状态实时评估方法。首先,采用大数据分析技术实现风电机组运行工况的空间划分;然后,在充分考虑风电机组监测信息不确定性的情况下,结合数据采集与监控(SCADA)历史运行数据,对基于高斯云模型和高斯云变换的健康状态评估模型进行训练,并以健康指数作为风电机组健康状态评估的指标。最后,将该评估方法应用在中国北方某风电场1.5 MW风电机组故障前的健康状态评估中。算例分析结果表明,该方法可监测到风电机组健康状态的变化趋势,初步实现了故障的早期预警。

引用

页码：111 / 117

页数：7

共 17 条

[1]

基于偏序约简的智能电网大数据预处理方法 [J].