基于SCADA数据的风电机组异常识别方法

作者：向玲^*; 邓泽奇; 赵玥

来源：太阳能学报, 2020, 41(11): 278-284.

DOI：10.19912/j.0254-0096.2020.11.038

• 风电机组
• 数据采集与监视控制系统
• 相关系数
• 组合预测模型
• 样本熵
• 异常识别

提出一种基于组合预测模型和样本熵的风电机组异常识别方法。该方法首先对风电场数据采集与监视控制(SCADA)系统的数据进行预处理,筛选出合适的SCADA数据,同时利用斯皮尔曼(Spearman)等级相关系数分析风电机组状态参数之间的相关性,确定预测模型的输入参数;其次利用径向基神经网络(RBFNN)和最小二乘支持向量机(LS-SVM)建立以预测误差平方和最小为准则的组合预测模型;最后以华北某风电场的SCADA数据为算例进行验证,结果表明基于组合模型和样本熵的风电机组异常识别方法能准确识别出齿轮箱状态参数的异常变化,及时发现早期故障,为风电场安排检修计划提供参考依据,具有重要的工程意义。

• 单位
  华北电力大学