基于数字孪生的火电机组汽轮机故障预警研究

通过对火电机组历史运行数据的分析,利用深度学习中的深度森林算法,合理确定模型的输入输出参数,采用改进的蝙蝠算法进行超参数优化,构建高精度的数据驱动模型。为实现故障检测,选取各模型的输出参数,利用相似度函数法计算预测输出数组与实际输出数组之间的欧几里得距离,实现对故障的准确检测。以加热器管泄漏为例实验验证,结果表明,借助建立的数字孪生模型和故障检测体系,能够准确检测汽轮机系统中加热器管路泄漏故障,证明了该方法的有效性。

基于转子动能释放的风电场一次调频能力评估模型研究

在“双碳”战略背景下,风能是新能源中发展最快的能源之一。针对风电机组难以及时对电力系统频率波动进行快速有效响应的问题,建立了风电场一次调频能力评估模型。在风电场参与一次调频之前,评估其最大调频能力,保障风电机组一次调频期间的运行安全。验证结果表明,所提方法与传统风电场调频能力评估方法相比,可快速在线解析求解,同时不降低模型精度,可保障风电场一次调频能力评估的准确性。

基于CFSFDP与四分位算法结合的风电机组异常数据处理方法研究

由于风力发电机组运行在恶劣环境中,导致SCADA系统采集的原始数据中会存在异常数据,对原始数据进行精确有效的数据预处理,是后续故障预警工作的基础。提出了CFSFDP算法与四分位法相结合的异常数据处理方法。基于国内实际风电场的测量数据实验验证,首先通过CFSFDP算法检测异常状态和离群噪声点,并使用四分位法处理正常工况附近的噪声数据。实验结果表明该方法可以有效剔除异常数据,提高数据质量,满足后续研究的需求。