一种基于模糊综合评价的风电机组运行状态评估系统

技术领域

本发明涉及风电机组运行状态评估领域，尤其是涉及一种基于模糊综合评价的风电机组运行状态评估系统。

背景技术

近年来，设备的状态监测和状态评价方法已逐被应用于风力发电设备上，虽然目前风电机组重要部件运行状态监测的研究已较成熟，但是对风电机组整体状态和健康程度评价的研究甚少。我国的大规模风电并网发展较晚，机组运行数据和经验较为缺乏，暂无过多的可靠性试验数据积累和分析；风电场的远程监控系统虽然能收集风电机组的运行数据，但缺乏有效的评估算法，不能及时评估机组综合状态。

目前常见的评价方法有概率统计法、基于神经网络的智能方法等。概率统计法适合用于评价指标因素是服从独立同分布的情况，而在表征风电机组系统运行状态的各指标因素关联性较强的情况下的评价效果不是很好；基于神经网络的智能方法的评价准确度需要大量的训练样本才会高，而目前海上直驱风电机组刚刚兴起，其运行数据量少，显然该方法不是好的选择。因此，寻求一种不过分依赖机组试验数据，而是基于在线监测的信息实现风电机组运行状态的评估方法具有重要的学术价值和应用前景。

中国专利CN201010187808.7公开了一种风力发电机组实时运行状态评估系统及评估方法，评估系统主要包括监测模块、量化模块、权值确定模块、评估模块，应用风电机组控制系统实时监测的数据作为实时运行状态评估系统的输入，再次通过对这些数据进行量化，得到实时的各个评估指标的劣化度，最后，当有单项评估指标劣化度与允许值偏差较大时，直接给出评估结果为“严重”；否则采用权值模块和评估模块，计算出机组运行状态的评估结果，即作为系统的输出。该评估系统和方法利用多层次模糊评价法，将风机运行状态评估指标划分为不同的子项目，但是，该方法针对最终评价向量采用最大隶属度原则进行评价，多层模糊推理可能导致风机部分参数经过多层权值的传递后，劣化现象在最终层被掩盖。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于模糊综合评价的风电机组运行状态评估系统，通过多层模糊推理得到风电机组状态评估，改进了由子项目的评价向量到风电机组状态的分析结果，选择权值最大的子项目的评价结果作为最终的风电机组评价结果。

本发明的目的可以通过以下技术方案来实现：

一种基于模糊综合评价的风电机组运行状态评估系统，包括数据获取模块、量化模块、权值计算模块、模糊评估模块和结果分析模块，

数据获取模块用于获取各个风电机组运行状态评估指标的监测数据；

量化模块用于对各个风电机组运行状态评估指标的监测数据进行量化处理，得到各个风电机组运行状态评估指标的劣化度；

权值确定模块将风电机组运行状态评估指标划分为多个子项目，基于劣化度分别确定各个子项目的项目权值和各个子项目下的各个风电机组运行状态评估指标的指标权值；

模糊评估模块，将每个子项目内的风力发电机组运行状态评估指标构成模糊评估矩阵，结合各风力发电机组运行状态评估指标的指标权值，得到各个子项目的评价向量：S

结果分析模块，获取各个子项目的项目权值，基于各个子项目的项目权值和评价向量得到最终的风电机组运行状态评估结果；

所述结果分析模块基于各个子项目的项目权值和评价向量得到最终的风电机组运行状态评估结果具体为：将项目权值最大的子项目的评价向量作为风电机组运行状态评估向量，选取风电机组运行状态评估向量中隶属度最大的风电机组运行状态评估结果作为最终的风电机组运行状态评估结果。

进一步的，所述风电机组运行状态评估指标包括发电机轴承温度、发电机绕组温度、发电机冷却水温度、相电压、相电流、有功功率、无功功率、机舱位置、机舱温度、最高Topbox、最高控制柜、变桨电机、变桨电容柜、变桨柜柜体和变桨逆变器温度。

更进一步的，所述发电机轴承温度、发电机绕组温度和发电机冷却水温度被划分为发电机组子项目；所述相电压、相电流、有功功率和无功功率被划分为电网系统子项目；所述机舱位置、机舱温度、最高Topbox和最高控制柜被划分为机舱及控制柜子项目；所述变桨电机、变桨电容柜、变桨柜柜体和变桨逆变器温度被划分为变桨系统子项目。

进一步的，所述风电机组运行状态评估结果分为“良好”、“一般”、“警示”和“严重”4种情况。

进一步的，所述模糊评估模块中模糊评估矩阵的隶属度函数为三角形和半梯形组合的分布函数。

进一步的，劣化度表征风电机组当前实际状态与故障状态相比的相对劣化程度，其取值范围为[0,1]。

进一步的，所述结果分析模块根据各个子项目的评价向量获取各个子项目的最大隶属度S

若最大项目隶属度是其余子项目的最大隶属度的λ(λ>1)倍，且项目权值最大的子项目的最大隶属度小于α，则将最大项目隶属度S

若最大项目隶属度是其余子项目的最大隶属度的λ(λ>1)倍，且项目权值最大的子项目的最大隶属度大于β，则将项目权值最大的子项目的评价向量作为风电机组运行状态评估向量，选取风电机组运行状态评估向量中隶属度最大的风电机组运行状态评估结果作为最终的风电机组运行状态评估结果；

若有k个或k个以上(n>k>1)子项目的最大隶属度与最大项目隶属度的差值小于ε，则权值和最大隶属度的综合值最大的子项目的评价向量作为风电机组运行状态评估向量，选取风电机组运行状态评估向量中隶属度最大的风电机组运行状态评估结果作为最终的风电机组运行状态评估结果；

若所有子项目的最大隶属度与最大项目隶属度的差值均小于ρ，则将项目权值最大的子项目的评价向量作为风电机组运行状态评估向量，选取风电机组运行状态评估向量中隶属度最大的风电机组运行状态评估结果作为最终的风电机组运行状态评估结果；

其中，λ、α、β、k、ε和ρ为根据子项目的数量、评估指标和风电机组的正常工作状态预设置的参数。

更进一步的，α的取值为0.1。

更进一步的，β的取值为0.1。

更进一步的，k的取值为2。

与现有技术相比，本发明具有以下有益效果：

(1)通过多层模糊推理得到风电机组状态评估，改进了由子项目的评价向量到风电机组状态的分析结果，选择权值最大的子项目的评价结果作为最终的风电机组评价结果。

(2)获取子项目的权值和最大隶属度，根据权值和最大隶属度分别使用不同的方法得到最终的风电机组评价结果，避免劣化现象在最终层被掩盖。

附图说明

图1为风电机组运行状态评估系统的结构示意图；

图2为风力发电机组运行状态评估指标示意图；

图3为半梯形和三角形隶属函数分布图。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

实施例1：

一种基于模糊综合评价的风电机组运行状态评估系统，如图1所示，包括数据获取模块、量化模块、权值计算模块、模糊评估模块和结果分析模块，

数据获取模块用于获取各个风电机组运行状态评估指标的监测数据；

量化模块用于对各个风电机组运行状态评估指标的监测数据进行量化处理，得到各个风电机组运行状态评估指标的劣化度；

权值确定模块将风电机组运行状态评估指标划分为多个子项目，基于劣化度分别确定各个子项目的项目权值和各个子项目下的各个风电机组运行状态评估指标的指标权值；

模糊评估模块，将每个子项目内的风力发电机组运行状态评估指标构成模糊评估矩阵，结合各风力发电机组运行状态评估指标的指标权值，得到各个子项目的评价向量：S

结果分析模块，获取各个子项目的项目权值，基于各个子项目的项目权值和评价向量得到最终的风电机组运行状态评估结果；

结果分析模块基于各个子项目的项目权值和评价向量得到最终的风电机组运行状态评估结果具体为：将项目权值最大的子项目的评价向量作为风电机组运行状态评估向量，选取风电机组运行状态评估向量中隶属度最大的风电机组运行状态评估结果作为最终的风电机组运行状态评估结果。

多层模糊推理可能导致风机部分参数经过多层权值的传递后，劣化现象在最终层被掩盖，本申请得到各个子项目的评价向量后，根据各个子项目的项目权值，将项目权值最大的子项目的评价向量作为风电机组运行状态评估向量，选取风电机组运行状态评估向量中隶属度最大的风电机组运行状态评估结果作为最终的风电机组运行状态评估结果。

除了直接根据子项目的项目权重确定的风电机组运行状态评估结果外，还可以结合最大隶属度和项目权值分情况得到的风电机组运行状态评估结果。

结果分析模块根据各个子项目的评价向量获取各个子项目的最大隶属度S

(1)若最大项目隶属度是其余子项目的最大隶属度的λ(λ>1)倍，且项目权值最大的子项目的最大隶属度小于α，则将最大项目隶属度S

(2)若最大项目隶属度是其余子项目的最大隶属度的λ(λ>1)倍，且项目权值最大的子项目的最大隶属度大于β，则将项目权值最大的子项目的评价向量作为风电机组运行状态评估向量，选取风电机组运行状态评估向量中隶属度最大的风电机组运行状态评估结果作为最终的风电机组运行状态评估结果；

(3)若有k个或k个以上(n>k>1)子项目的最大隶属度与最大项目隶属度的差值小于ε，则权值和最大隶属度的综合值最大的子项目的评价向量作为风电机组运行状态评估向量，选取风电机组运行状态评估向量中隶属度最大的风电机组运行状态评估结果作为最终的风电机组运行状态评估结果；

(4)若所有子项目的最大隶属度与最大项目隶属度的差值均小于ρ，则将项目权值最大的子项目的评价向量作为风电机组运行状态评估向量，选取风电机组运行状态评估向量中隶属度最大的风电机组运行状态评估结果作为最终的风电机组运行状态评估结果；

其中，λ、α、β、k、ε和ρ为根据子项目的数量、评估指标和风电机组的正常工作状态预设置的参数。本实施例中，α的取值为0.1，β的取值为0.1，k的取值为2。

风电机组运行状态评估指标包括发电机轴承温度、发电机绕组温度、发电机冷却水温度、相电压、相电流、有功功率、无功功率、机舱位置、机舱温度、最高Topbox、最高控制柜、变桨电机、变桨电容柜、变桨柜柜体和变桨逆变器温度。

如图2所示，发电机轴承温度、发电机绕组温度和发电机冷却水温度被划分为发电机组子项目；相电压、相电流、有功功率和无功功率被划分为电网系统子项目；机舱位置、机舱温度、最高Topbox和最高控制柜被划分为机舱及控制柜子项目；变桨电机、变桨电容柜、变桨柜柜体和变桨逆变器温度被划分为变桨系统子项目。

风电机组运行状态评估结果分为“良好”、“一般”、“警示”和“严重”4种情况。

如图3所示，模糊评估模块中模糊评估矩阵的隶属度函数为三角形和半梯形组合的分布函数。

劣化度表征风电机组当前实际状态与故障状态相比的相对劣化程度，其取值范围为[0,1]。

以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。