一种面向海上风机场内协同控制的功率预测方法

    公开(公告)号:CN112801352A

    公开(公告)日:2021-05-14

    申请号:CN202110055906.3

    申请日:2021-01-15

    Abstract: 本发明涉及一种面向海上风机场内协同控制的功率预测方法,该方法通过海上风电场SCADA数据相关性分析筛选出与机组状态强相关的机组参数,用以训练机组状态模型;同时通过TCN提取风电场内机组之间的时间序列特性和空间序列特性,构建了风电场时空特性风功率预测模型。在预测时首先通过数值天气预报数据预测机组状态,再整合数值天气预报数据和机组状态联合预测风机功率。与现有技术相比,本发明所提方法可用于海上风电场的精准调度,为大规模海上风电参与调频提供技术支撑,提升高风电穿透率下的电力系统稳定性。

    一种海上双馈风力发电机SCADA故障数据增强方法

    公开(公告)号:CN114463143A

    公开(公告)日:2022-05-10

    申请号:CN202210012034.7

    申请日:2022-01-07

    Abstract: 本发明涉及一种海上双馈风力发电机SCADA故障数据增强方法,包括以下步骤:1)通过灰色关联分析获取海上风机SCADA数据中各状态变量之间的相关性,并以此筛选出与风机发电机温度高度相关的状态变量;2)将筛选得到的状态变量输入改进的辅助分类器中生成对抗网络进行训练,并获取训练结果;3)对训练结果采用t‑分布随机邻域嵌入算法与卷积神经网络进行结果校验,验证生成故障数据的准确性。与现有技术相比,本发明具有可靠性高、有效避免异常数据干扰、生成数据更加精准等优点。

    一种基于GRA-LSTM-stacking模型的海上双馈风力发电机故障诊断方法

    公开(公告)号:CN111237134B

    公开(公告)日:2022-04-01

    申请号:CN202010038529.8

    申请日:2020-01-14

    Abstract: 本发明涉及一种基于GRA‑LSTM‑stacking模型的海上双馈风力发电机故障诊断方法,该方法包括以下步骤:步骤1:通过GRA对SCADA状态变量进行分析,筛选出与发电机温度相关的状态变量作为LSTM网络的输入;步骤2:通过LSTM对正常状态下的发电机温度进行预测,得到预测值;步骤3:计算实际值与预测值的残差绝对值,使用统计学方法设置告警阈值,据此对发电机早期故障进行辨识并提取出故障样本;步骤4:通过stacking融合算法对提取的故障样本进行数据处理后输出最终的精确诊断结果。与现有技术相比,本发明具有故障诊断精确、通用性强,故障样本获取简单等优点。

Patent Agency Ranking