实时监测风电机组出力情况、及时发现机组问题,能够最大程度保障风电场经济效益。采用自适应Density-based spatial clustering of applications with noise(DBSCAN)算法提取风电机组正常状态下在风速–功率(v-P)坐标系中建立性能模型...实时监测风电机组出力情况、及时发现机组问题,能够最大程度保障风电场经济效益。采用自适应Density-based spatial clustering of applications with noise(DBSCAN)算法提取风电机组正常状态下在风速–功率(v-P)坐标系中建立性能模型所需的数据。在监测阶段,在划分水平功率区间后利用马氏距离衡量监测数据与性能模型间残差,并将采用滑动窗口方法连续获取的残差子序列送入云模型进行模糊化评估,得出风电机组运行状态。结果云的变化表明,基于云模型的异常监测方法能真实客观反映机组运行状态,可为机组维护工作提供有效指导和建议。展开更多
文摘实时监测风电机组出力情况、及时发现机组问题,能够最大程度保障风电场经济效益。采用自适应Density-based spatial clustering of applications with noise(DBSCAN)算法提取风电机组正常状态下在风速–功率(v-P)坐标系中建立性能模型所需的数据。在监测阶段,在划分水平功率区间后利用马氏距离衡量监测数据与性能模型间残差,并将采用滑动窗口方法连续获取的残差子序列送入云模型进行模糊化评估,得出风电机组运行状态。结果云的变化表明,基于云模型的异常监测方法能真实客观反映机组运行状态,可为机组维护工作提供有效指导和建议。