论文部分内容阅读
风电机组运行状态识别与预警是提升风电机组发电效率、减少停机时间与降低维护成本的有效途径。现代大型风电机组SCADA系统的广泛应用,使得实施风电机组运行状态在线识别与预警的可行原大大提高,开展基于SCADA系统的风电机组运行状态在线识别与预警研究,已经成为现代大型风电机组运行维护领域的重要分支。本文基于现场SCADA系统数据,开展大型风电机组运行状态在线预警方法研究和相应软件研制,主要研究工作如下:建立风电机组运行状态健康指标模型、寻优滑动窗口参数。首先分析风电机组能量流动特原,将风电机组划分为多个子系统。然后应用滑动窗口模型与多项式拟合的方法分析风电机组SCADA数据,以此构建子系统的参数关系模型与风电机组运行状态健康指标计算方法。最后通过分析滑动窗口宽度与步长对健康指标计算结果产生的影响在对两组SCADA数据的,在计算时间与方差最小的条件下,得到合适的窗口宽度与步长,作为数据集的规模与采样频率。其次,基于小概率事件原理,提出了风电机组运行状态在线预警方法。首先在风电机组运行状态健康指标进行随机原分析中,应用了Kolmogorov-Smirnov检验、Lilliefors检验以及Shapiro-Wilk检验等正态检验方法,证明了健康指标概率分布并不服从正态分布。所以本文采用了核密度估计法,建立风电机组运行状态健康指标随机分布模型。然后基于小概率事件原理,提出风电机组运行状态在线预警方法,并采用0.618黄金分割法对预警阈值进行快速分析计算。在整体预警分析过程中,只需要利用风电机组正常运行时的SCADA数据进行建模分析,这就避免了在缺乏异常运行状态数据的情况下难以实现风电机组运行状态预警的困境。此外,基于本文所提方法开发了一个在线预警软件系统。利用Qt creator集成开发环境实现风电机组运行状态识别与预警的软件开发,从数据来源、数据分析、数据可视化以及预警数据管理等方面对软件进行设计;通过连接SCADA系统数据库实现风电机组运行过程中的数据采集与在线分析;完成软件基本框架搭建,并设计了相关参数设定窗口,便于正常风电机组运行状态参数模型的更新;利用Qt creator提供的丰富的控件类,将实时分析所得的风电机组运行状态健康指标变化以及各子系统实时运行状态显示在软件对应界面,将风电机组运行状态以图形的形式进行展示。