基于遗传算法的风电机组发电异常检测

作为取之不尽的新能源之一,风机发电技术自提出以来就一直广受关注。风电产业经过过去几十年的迅速发展,其技术热点逐渐从提高风力发电效率转向风电场的运营与维护。预测风机发电情况和检测风机异常状态可以大大提高风机的可靠性和稳定性。为此,提出了一种风机发电功率预测和异常检测的方法,结合遗传算法和机器学习模型对来自中国一个商业风电场的风电机组监管数据控制和数据采集(supervisory control and data acquisition,SCADA)数据进行测试。为了减少人工经验对回归预测的影响,本文提出一种结合粒子群优化算法(particle swarm optimization,PSO)的回归机器学习模型,称为粒子群回归器,并根据风机发电功率和对应风速建立发电功率曲线。之后以回归预测模型的预测结果辅助孤立森林(isolated forest,IF)进行异常时刻的判断。最后通过统计方式给出异常检测的结果。实验结果表明了功率曲线的建立可以更好地揭示风机异常的工作状态,并符合选中风机异常情况的观测状态。