基于遗传算法的风电机组发电异常检测  

作　　者：吴文宝 封永铭 金声超 那志鹏 陈振华 张芝滢 WU Wenbao;FENG Yongming;JIN Shengchao;NA Zhipeng;CHEN Zhenhua;ZHANG Zhiying

机构地区：[1]中国电建集团江西省电力建设有限公司,江西南昌330001 [2]北京协合运维风电技术有限公司,北京101100 [3]北京科技大学计算机与通信工程学院,北京100083

出　　处：《信息技术与信息化》2023年第5期199-203,共5页Information Technology and Informatization

摘　　要：作为取之不尽的新能源之一,风机发电技术自提出以来就一直广受关注。风电产业经过过去几十年的迅速发展,其技术热点逐渐从提高风力发电效率转向风电场的运营与维护。预测风机发电情况和检测风机异常状态可以大大提高风机的可靠性和稳定性。为此,提出了一种风机发电功率预测和异常检测的方法,结合遗传算法和机器学习模型对来自中国一个商业风电场的风电机组监管数据控制和数据采集(supervisory control and data acquisition,SCADA)数据进行测试。为了减少人工经验对回归预测的影响,本文提出一种结合粒子群优化算法(particle swarm optimization,PSO)的回归机器学习模型,称为粒子群回归器,并根据风机发电功率和对应风速建立发电功率曲线。之后以回归预测模型的预测结果辅助孤立森林(isolated forest,IF)进行异常时刻的判断。最后通过统计方式给出异常检测的结果。实验结果表明了功率曲线的建立可以更好地揭示风机异常的工作状态,并符合选中风机异常情况的观测状态。

关 键 词：遗传算法 功率预测 风力发电 孤立森林 异常检测 

分 类 号：TM315[电气工程—电机] TP18[自动化与计算机技术—控制理论与控制工程]