一种基于模糊综合评判的风电机组状态参数异常辨识方法

专利类型：发明专利 

语 言：中文 

申 请 号：CN201610030701.9 

申 请 日：20160118 

发 明 人：周湶李剑王飞鹏陈伟根杜林王有元万福孙鹏颜永龙雷潇张晓萌 

申 请 人：重庆大学 

申请人地址：400044 重庆市沙坪坝区沙坪坝正街174号 

公 开 日：20160504 

公 开 号：CN105550943A 

代 理 人：赵荣之 

代理机构：北京同恒源知识产权代理有限公司 11275 

摘　　要：本发明涉及一种基于模糊综合评判的风电机组状态参数异常辨识方法，该方法包括以下步骤：S1：根据状态参数广义模糊异常辨识模型的选择结果获取测试样本的平均绝对误差，得到各预测模型权重；S2：通过各预测模型实现对待分析时段的状态参数预测；S3：通过各预测模型的残差实现对状态参数的状况分析，得到各模型残差异常指数；S4：计算各指标的模糊隶属度，构成模糊评判矩阵，计算输出层评估值；S5：评估结果的输入依据隶属度最大原则，对应的评语作为评判结果。本发明采用的方法基于风电场SCADA数据，易于编程实现，能准确有效地反映参数的异常；综合考虑多个预测模型异常辨识结果可提高状态参数异常辨识的准确性。 

主 权 项：一种基于模糊综合评判的风电机组状态参数异常辨识方法，其特征在于：包括以下步骤：S1：根据状态参数广义模糊异常辨识模型的选择结果获取测试样本的平均绝对误差，并由以下公式得到各预测模型权重ω_i：${\omega }_i=(1-\frac{{\mathrm{MAE}}_i}{\underset{i=1}{\overset{N}{\Sigma }}{\mathrm{MAE}}_i})/\underset{i=1}{\overset{N}{\Sigma }}(1-\frac{{\mathrm{MAE}}_i}{\underset{i=1}{\overset{N}{\Sigma }}{\mathrm{MAE}}_i})=(1-\frac{{\mathrm{MAE}}_i}{\underset{i=1}{\overset{N}{\Sigma }}{\mathrm{MAE}}_i})/(N-1)$式中，MAE_i为预测模型i对测试样本进行预测的平均绝对误差值；S2：通过各预测模型实现对待分析时段的状态参数预测；模型的预测采用窗口滚动的方式，状态参数异常辨识时间间隔设定为6小时；S3：通过各预测模型的残差实现对状态参数的状况分析；残差特征统计分析的数据选择只考虑处于样本取值范围内的状态参数点，其余预测点作为无效预测点；选取24小时有效残差的累积数据，量化分析各模型状态参数异常程度，得到各模型残差异常指数EAI_i；S4：计算各指标的模糊隶属度，构成模糊评判矩阵，计算输出层评估值；S5：评估结果的输入依据隶属度最大原则，即以b_max＝max(b_i)对应的评语l_i作为评判结果。 

关 键 词： 

法律状态：公开 

IPC专利分类号：G06Q50/06(2012.01)I;G06F11/14(2006.01)I