论文部分内容阅读
摘 要：针对目前风电机组整体运行状态评价不及时、不准确的问题，本文提出了一种基于熵权法确定客观权重的风力发电机组状态评价方法。该方法采用熵权法确定权重，避免了人为因素的影响，更加客观合理。结果表明，本文提出的方法可以得到与实际结果较为一致的评价结果，为风力发电行业的量化评价研究提供了一种新的思路，具有可行性。
关键词：熵权法;风力发电;状态评价
一、引言
随着煤、石油、天然气等传统能源的日益减少，开发并挖掘新的可代替的清洁能源尤为重要。其中，以风力发电、太阳能发电、核发电等为代表的新能源发电方式正在逐步应用。风力发电是一种无污染、能耗小、可再生的新型发电方式，已经被越来越多的国家重视和利用[1-2]。
风力发电的成功运行离不开风电机组安全稳定的工作状态。目前，针对变压器[3-4]、火力发电机组[5]的研究较多，针对风电机组的研究相对较少。文献[6]运用模糊评判法对风电机组的健康进行量化评价，为风电机组的健康提供了一种新的检测方法，但该方法权重选取较为主观，一定程度上降低了评价的客观性。文献[7]介绍了基于大数据的风电机组状态监测方法，但未具体说明各个方法的实用性，较为笼统。文献[8]从经济角度對风电系统进行了研究，构建了基于模糊规划的调度模型，为我们研究提供了另一种思路。
通过以上分析可知，已有的针对风电机组的研究大多侧重于机组某一零部件或某一部分的故障研究，或者是从经济等别的角度进行研究。对于风电机组整体的运行状态的综合评价少之又少。基于上述问题，本文侧重于风电机组整体运行状态的研究，采用熵权法确定各指标的权重，构建多指标的风电机组运行状态评价体系。
二、风电机组评价体系建立
SCADA 系统在风力发电中必不可少，其能够实现风电机组的数据存储、状态监测等功能。风电SCADA 系统常包含的变量包括变桨、变流器、齿轮箱、发电机、风轮、环境温度、机组等，全方位实现了对风电机组的状态监测。
（一）指标选取原则
（1）代表性：所选取的风电机组指标要具有代表性，要能够反映各个子系统的重要性;
（2）整体性：所选取的指标既要反映各个子系统的变化情况，更要符合整个系统的要求，要能够表现整个风电机组总系统的状态;
（3）真实性：所选取的指标要符合实际要求，是风电SCADA 系统中真实记录的数据，不可编造。
（二）指标选取
根据上述SCADA 系统所记录的变量，确定本文选取的各类指标。为了更加客观、全面反映风电机组整体运行状态，本文选取SCADA 系统中记录的多变量中的31 种不同的的参数指标作为具体的评价体系组成。
（1）变桨：包括1#叶片变桨角度、2#叶片变桨角度、3#叶片变桨角度、1#叶片变桨速度、2#叶片变桨速度、3#叶片变桨速度;
（2）齿轮箱：包括齿轮箱高速轴前端温度、齿轮箱高速轴后端温度、齿轮箱油池温度、齿轮箱进口油温、齿轮箱进口压力、齿轮箱油泵出口压力、齿轮箱冷却水温度;
（3）变流器：包括变流器电压、变流器电流;
（4）发电机：包括发电机绕组温度、发电机前轴承温度、发电机后轴承温度、发电机冷却水温度、发电机有功功率、发电机转速、发电机转矩;
（5）风轮：包括风轮最大转速、风轮最小转速、风轮转速差值、风轮位置;
（6）环境温度：包括塔基控制柜温度、环境温度、机舱温度、机舱内湿度、机舱控制柜温度。
（三）风电机组评价体系建立
风电机组运行得分划分等级如下：
（1）极佳：评价得分为0.8～1 之间，风电机组运行状态最好，不会发生故障;
（2）良好：评价得分为0.6～0.8 之间，风电机组运行状态较上一等级逊色一点，但性能良好，不会发生故障;
（3）中等：评价得分为0.4～0.6 之间，风电机组正常运行，一般不会发生故障;
（4）预警：评价得分为0.2～0.4 之间，风电机组正常运行，但有发生故障的趋势;
（5）故障：评价得分为0～0.2 之间，风电机组发生故障，需要立即停机，进行检修。
三、权重确定
（一）数据预处理
由于风电机组是一个包含多变量多指标的复杂非线性系统，其SCADA 系统所采集的各类数据具有不同的量纲，因此无法直接对原始采集的数据进行后续分析，需要首先对原始数据进行标准化处理。
假设共有n 组不同的评价对象，每组评价对象有m 个指标。将风电机组数据分为正向型指标与逆向型指标两类，其中正向型指标越大越好，逆向型指标越小越好，两种不同类型指标的标准化处理公式如（1）、（2）所示。
四、实验验证
以2018 年国内某地区风电场SCADA 监测数据为样本来源，选取其中连续10 天的风电机组数据进行实验验证。原系统中各指标数据经标准化处理后的新数据如表1 所示。
五、结论
本文采用熵权法求解风电机组各类指标的客观权重，并在此基础上构建了风电机组综合状态评价体系，选取某风电场的连续10 天风电机组实际数据进行实验验证。结果表明，本文基于熵权法的风电机组评价结果与实际情况较为一致，可以为风电机组的运行提供一种新的方法支撑。
参考文献：
[1]刘巨，姚伟，文劲宇，黄莹，刘源，马蕊.大规模风电参与系统频率调整的技术展望[J].电网技术，2014，38（03）：638-646.
[2]刘芳，潘毅，杨军峰，周劼英，周京阳，朱泽磊，李强.风电–火电–抽水蓄能联合优化机组组合模型[J].中国电机工程学报，2015，35（04）：766-775.
[3]彭道刚，陈跃伟，范俊辉，钱玉良.基于层次分析法和粗糙集的变压器状态评估研究[J].高压电器，2019，55（07）：150-157.
[4]刘贞，沙道凤，汤雪松，王洪授，陈红光，白璐.基于专家评价方法的配电网运行状态层次分析评价模型及应用[J].重庆理工大学学报（自然科学），2019，33（01）：154-161.
[5]杨勇平，吴殿法，王宁玲，彭浩.一种考虑权重不确定性的机组综合评价模型[J]. 华北电力大学学报（ 自然科学版），2016，43（02）：73-79.
[6]闫慧丽，陈亚楠，陈刚，文坤，张海洋.基于模糊综合评判法的风电机组健康量化评价[J].风能，2019（03）：78-82.
关键词：熵权法;风力发电;状态评价
一、引言
随着煤、石油、天然气等传统能源的日益减少，开发并挖掘新的可代替的清洁能源尤为重要。其中，以风力发电、太阳能发电、核发电等为代表的新能源发电方式正在逐步应用。风力发电是一种无污染、能耗小、可再生的新型发电方式，已经被越来越多的国家重视和利用[1-2]。
风力发电的成功运行离不开风电机组安全稳定的工作状态。目前，针对变压器[3-4]、火力发电机组[5]的研究较多，针对风电机组的研究相对较少。文献[6]运用模糊评判法对风电机组的健康进行量化评价，为风电机组的健康提供了一种新的检测方法，但该方法权重选取较为主观，一定程度上降低了评价的客观性。文献[7]介绍了基于大数据的风电机组状态监测方法，但未具体说明各个方法的实用性，较为笼统。文献[8]从经济角度對风电系统进行了研究，构建了基于模糊规划的调度模型，为我们研究提供了另一种思路。
通过以上分析可知，已有的针对风电机组的研究大多侧重于机组某一零部件或某一部分的故障研究，或者是从经济等别的角度进行研究。对于风电机组整体的运行状态的综合评价少之又少。基于上述问题，本文侧重于风电机组整体运行状态的研究，采用熵权法确定各指标的权重，构建多指标的风电机组运行状态评价体系。
二、风电机组评价体系建立
SCADA 系统在风力发电中必不可少，其能够实现风电机组的数据存储、状态监测等功能。风电SCADA 系统常包含的变量包括变桨、变流器、齿轮箱、发电机、风轮、环境温度、机组等，全方位实现了对风电机组的状态监测。
（一）指标选取原则
（1）代表性：所选取的风电机组指标要具有代表性，要能够反映各个子系统的重要性;
（2）整体性：所选取的指标既要反映各个子系统的变化情况，更要符合整个系统的要求，要能够表现整个风电机组总系统的状态;
（3）真实性：所选取的指标要符合实际要求，是风电SCADA 系统中真实记录的数据，不可编造。
（二）指标选取
根据上述SCADA 系统所记录的变量，确定本文选取的各类指标。为了更加客观、全面反映风电机组整体运行状态，本文选取SCADA 系统中记录的多变量中的31 种不同的的参数指标作为具体的评价体系组成。
（1）变桨：包括1#叶片变桨角度、2#叶片变桨角度、3#叶片变桨角度、1#叶片变桨速度、2#叶片变桨速度、3#叶片变桨速度;
（2）齿轮箱：包括齿轮箱高速轴前端温度、齿轮箱高速轴后端温度、齿轮箱油池温度、齿轮箱进口油温、齿轮箱进口压力、齿轮箱油泵出口压力、齿轮箱冷却水温度;
（3）变流器：包括变流器电压、变流器电流;
（4）发电机：包括发电机绕组温度、发电机前轴承温度、发电机后轴承温度、发电机冷却水温度、发电机有功功率、发电机转速、发电机转矩;
（5）风轮：包括风轮最大转速、风轮最小转速、风轮转速差值、风轮位置;
（6）环境温度：包括塔基控制柜温度、环境温度、机舱温度、机舱内湿度、机舱控制柜温度。
（三）风电机组评价体系建立
风电机组运行得分划分等级如下：
（1）极佳：评价得分为0.8～1 之间，风电机组运行状态最好，不会发生故障;
（2）良好：评价得分为0.6～0.8 之间，风电机组运行状态较上一等级逊色一点，但性能良好，不会发生故障;
（3）中等：评价得分为0.4～0.6 之间，风电机组正常运行，一般不会发生故障;
（4）预警：评价得分为0.2～0.4 之间，风电机组正常运行，但有发生故障的趋势;
（5）故障：评价得分为0～0.2 之间，风电机组发生故障，需要立即停机，进行检修。
三、权重确定
（一）数据预处理
由于风电机组是一个包含多变量多指标的复杂非线性系统，其SCADA 系统所采集的各类数据具有不同的量纲，因此无法直接对原始采集的数据进行后续分析，需要首先对原始数据进行标准化处理。
假设共有n 组不同的评价对象，每组评价对象有m 个指标。将风电机组数据分为正向型指标与逆向型指标两类，其中正向型指标越大越好，逆向型指标越小越好，两种不同类型指标的标准化处理公式如（1）、（2）所示。
四、实验验证
以2018 年国内某地区风电场SCADA 监测数据为样本来源，选取其中连续10 天的风电机组数据进行实验验证。原系统中各指标数据经标准化处理后的新数据如表1 所示。
五、结论
本文采用熵权法求解风电机组各类指标的客观权重，并在此基础上构建了风电机组综合状态评价体系，选取某风电场的连续10 天风电机组实际数据进行实验验证。结果表明，本文基于熵权法的风电机组评价结果与实际情况较为一致，可以为风电机组的运行提供一种新的方法支撑。
参考文献：
[1]刘巨，姚伟，文劲宇，黄莹，刘源，马蕊.大规模风电参与系统频率调整的技术展望[J].电网技术，2014，38（03）：638-646.
[2]刘芳，潘毅，杨军峰，周劼英，周京阳，朱泽磊，李强.风电–火电–抽水蓄能联合优化机组组合模型[J].中国电机工程学报，2015，35（04）：766-775.
[3]彭道刚，陈跃伟，范俊辉，钱玉良.基于层次分析法和粗糙集的变压器状态评估研究[J].高压电器，2019，55（07）：150-157.
[4]刘贞，沙道凤，汤雪松，王洪授，陈红光，白璐.基于专家评价方法的配电网运行状态层次分析评价模型及应用[J].重庆理工大学学报（自然科学），2019，33（01）：154-161.
[5]杨勇平，吴殿法，王宁玲，彭浩.一种考虑权重不确定性的机组综合评价模型[J]. 华北电力大学学报（ 自然科学版），2016，43（02）：73-79.
[6]闫慧丽，陈亚楠，陈刚，文坤，张海洋.基于模糊综合评判法的风电机组健康量化评价[J].风能，2019（03）：78-82.