MKIF模型风电机组健康劣化监测及预警

分析了风电机组异常数据分布特征,设计了MKIF(Mini-batch K means-isolation forest)算法,并基于MKIF算法构建了风电机组健康劣化监测预警模型。MKIF算法将小批量K均值聚类引入搜索树的划分过程中,使用轮廓系数监督树分裂节点的数量和位置。定义了MKIF异常得分以描述数据的孤立程度,进而有效识别和剔除异常数据并基于正常运行数据建立风电机组健康基准模型。使用健康基准模型和滑动窗口算法即可对监测数据劣化程度进行评估;当窗口内劣化数据比例超过设定阈值时,触发机组健康劣化预警。以某风电机组齿轮箱油温异常导致发电性能劣化为实例,验证了模型的有效性。

换流阀器件参数劣化对晶闸管级控制单元监测信号时序特征的影响研究

晶闸管级控制单元(TCU)是电控型换流阀控制与保护系统的核心部件,深入挖掘TCU单元监测信号规律对于换流阀运行状态实时监测与评估具有重要意义。本文在分析换流阀晶闸管级TCU工作原理以及监测回报信号时序特征基础上,结合实际工程中换流阀晶闸管运行老化后的实测I-V曲线特征,采用Matlab/Simulink建立了考虑多级晶闸管级串联的六脉动换流阀仿真模型,针对串联器件劣化的典型统计分布情况,研究了换流阀晶闸管级阻尼电容、晶闸管等效绝缘电阻等参数劣化对各晶闸管级电压波形、TCU单元监测信号时序分布特性的影响,并搭建了模拟试验验证平台。结果表明:晶闸管级的电路参数劣化时,其回报信号将超前于健康晶闸管出现,随着劣化程度加深,该时序差增大,且相较于阻尼电容参数劣化,回报信号时序对晶闸管绝缘劣化更为敏感;晶闸管绝缘劣化时,其余健康晶闸管相较于劣化晶闸管将承担更高的电压,而阻尼电容劣化的晶闸管级其承担的电压反而升高;最后通过实验对仿真所得的相关结论进行了验证。研究可为进一步基于TCU单元监测信号进行换流阀关键器件健康状态实时在线评估提供支撑。

考虑热老化的油浸式变压器比例风险模型

根据油浸式变压器中不可修复故障和可修复故障的不同机理,搭建适用于表征变压器故障率的比例风险模型;模型中基准故障率函数采用温升老化模型,并以劣化分级健康状态作为连接函数协变量,采用变形后的极大似然估计法进行参数拟合,减少了对数据量的依赖。该模型能综合考虑热老化和设备健康状态的影响,可以得出较为准确的检测间隔期,有助于电力部门合理安排检修计划,具有较好的应用前景。