CN110212585A - 基于统计分析的风电机组运行可靠性预测方法、装置及风电机组 - Google Patents
基于统计分析的风电机组运行可靠性预测方法、装置及风电机组 Download PDFInfo
- Publication number
- CN110212585A CN110212585A CN201910587348.8A CN201910587348A CN110212585A CN 110212585 A CN110212585 A CN 110212585A CN 201910587348 A CN201910587348 A CN 201910587348A CN 110212585 A CN110212585 A CN 110212585A
- Authority
- CN
- China
- Prior art keywords
- main component
- running
- statistical analysis
- reliability prediction
- generating set
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000007619 statistical method Methods 0.000 title claims abstract description 36
- 238000010977 unit operation Methods 0.000 claims abstract description 5
- 238000012937 correction Methods 0.000 claims description 26
- 239000011159 matrix material Substances 0.000 claims description 12
- 238000005516 engineering process Methods 0.000 claims description 9
- 238000003324 Six Sigma (6σ) Methods 0.000 claims description 7
- 230000000694 effects Effects 0.000 claims description 6
- 238000003908 quality control method Methods 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 3
- 230000008707 rearrangement Effects 0.000 claims description 3
- 238000012417 linear regression Methods 0.000 claims description 2
- 230000006870 function Effects 0.000 description 9
- 230000014509 gene expression Effects 0.000 description 9
- 230000005611 electricity Effects 0.000 description 7
- 230000006854 communication Effects 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000005291 magnetic effect Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000002715 modification method Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000002834 transmittance Methods 0.000 description 1
Classifications
-
- H02J3/386—
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/76—Power conversion electric or electronic aspects
Landscapes
- Wind Motors (AREA)
Abstract
本发明提供了一种基于统计分析的风电机组运行可靠性预测方法、装置及风电机组。所述方法包括:采集机组运行一段时间内的SCADA历史关键数据;通过对所述SCADA历史关键数据的统计分析,建立机组运行可靠性预测模型;运用所述机组运行可靠性预测模型,对风电机组的主要部件运行可靠性进行在线实时预测。本发明提供的基于统计分析的风电机组运行可靠性预测方法、装置及风电机组能够对风电机组的主要部件运行可靠性进行准确的在线实时预测。
Description
技术领域
本发明涉及风力发电技术领域,特别是涉及一种基于统计分析的风电机组运行可靠性预测方法、装置及风电机组。
背景技术
随着能源结构的转型和调整,风力发电得到快速发展,成为目前主要发电方式之一。风电机组一般地处偏远地区,运行条件比较恶劣,加之其它影响的因素,故障频繁发生,高达10%以上的运行和维护成本成为了风电产业发展的最大瓶颈。因此,如何保证风电机组的安全可靠运行、降低运维成本成为风电行业关注的热点问题。
在现有技术中,已有专利文献提供了一些确定风电机组运行可靠性的方法。如专利号为CN108876073A的专利中提供了一种风电机组可靠性确定方法和装置,其可靠性确定方法包括:计算与基于发电量的可利用率PBA相应的第一可靠性得分;计算与平均检修间隔时间MTBI相应的第二可靠性得分;计算与平均机组检修总耗时MTOTI相应的第三可靠性得分;基于计算的第一可靠性得分、第二可靠性得分和第三可靠性得分确定风电机组可靠性。专利号为CN106097146A的专利中提供了一种计及运行状态的风电机组短期可靠性预测方法。该方法的主要步骤包括:通过状态监测与数据采集***获得风电机组状态参数,针对设备温度参数,建立基于反向传播神经网络的状态参数预测模型,基于预测残差分布特性计算保护动作概率;针对其余参数,根据计及越限时间计算保护动作概率;最后综合评估风电机组短期停运的风险。专利号为CN108241917A的专利提供了一种部件可靠性的评估方法和装置。该专利提供的可靠性评估方法和装置包括以下步骤:(A)基于比例风险模型对所有部件进行环境因素的参数估计,得到影响部件可靠性的第一环境因素集;(B)按供应商对部件进行分类,并基于比例风险模型以及所述第一环境因素集对不同供应商的部件进行环境因素的参数估计,筛选出影响不同供应商的部件的多个第二环境因素集;(C)根据所述多个第二环境因素集分别对不同供应商的部件的寿命进行建模,并根据建立的多个寿命模型评估不同供应商的部件可靠性。
上述现有专利技术提供的可靠性评估或预测方法为风电机组健康运行提供了一定的先验效果,但在实际评估和预测中带入一定的主观判定和假设,从而使评估实际操作起来有较大难度。因此,如何寻找一种新的方法来对风电机组的运行可靠性进行评估或预测,使其克服现有技术中的不足,成为本领域技术人员亟待解决的问题。
发明内容
本发明要解决的技术问题是提供一种基于统计分析的风电机组运行可靠性预测方法、装置及风电机组,从而对风电机组的大部件运行可靠性进行准确的在线实时预测。
为解决上述技术问题,本发明提供了一种基于统计分析的风电机组运行可靠性预测方法,所述方法包括:采集机组运行一段时间内的SCADA历史关键数据;运用六西格玛质量控制技术,通过对所述SCADA历史关键数据的统计分析,建立机组运行可靠性预测模型,并且,所述机组运行可靠性预测模型属于高斯模型;运用所述机组运行可靠性预测模型,对风电机组的主要部件运行可靠性进行在线实时预测。
在一些实施方式中,所述SCADA历史关键数据为:
Z=(Ta,P,Tcomp)
其中,Z为SCADA历史数据矩阵,Ta为主要部件运行的环境温度,P为机组运行功率,Tcomp为主要部件运行温度;运用六西格玛质量控制技术,通过对所述SCADA历史关键数据的统计分析,建立机组运行可靠性预测模型,包括:进行主要部件运行温度参数的一次修正,以消除环境溫度对主要部件运行温度的影响趋势;进行主要部件运行温度参数的二次修正,以消除功率对主要部件运行温度的影响趋势;基于修正后的主要部件运行温度参数,建立主要部件的运行可靠性预测模型。
在一些实施方式中,进行主要部件运行温度参数的一次修正,包括:将SCADA历史数据矩阵按照功率从小到大的顺序重新排序参数,得到新的SCADA历史数据矩阵;将功率进行区间划分,然后分别在不同的功率区间上对主要部件的温度进行一次线性回归修正。
在一些实施方式中,不同功率区间内的主要部件运行温度的一次修正表达式为:
Tr1,i=Tcomp,i-ki,tTa,i
其中,Tr1,i为第i段功率区间内主要部件运行温度的一次修正值,Tcomp,i为第i段功率区间内的主要部件运行温度,Ta,i为第i段功率区间内主要部件的环境温度,ki,t为第i段功率区间的一次修正回归系数。
在一些实施方式中,进行主要部件运行温度参数的二次修正,包括:通过线性回归方法消除功率对主要部件运行温度的影响趋势,获得主要部件的二次修正后的温度参数。
在一些实施方式中,经过二次修正后的温度参数为:
Tr2,i=Tr1,i-ki,pP
其中,Tr2,i为第i段功率区间内主要部件运行温度的二次修正值,Tr1,i为第i段功率区间内主要部件运行温度的一次修正值,P为机组运行功率,ki,p为第i段功率区间的二次修正回归系数。
在一些实施方式中,基于修正后的主要部件运行温度参数,建立基于温度参数的主要部件的运行可靠性预测模型,包括:计算出主要部件二次修正后的温度参数的期望和方差,所述期望的计算式为:
所述方差的计算式为:
其中,为所述期望,为所述方差,Tr2,j为第j段功率区间内主要部件运行温度的二次修正值,n为功率区间的总数;根据统计学理论,将主要部件二次修正后的温度参数的分布转化为标准正态分布;根据六西格玛质量控制技术建立可靠性预测模型Rr0。
在一些实施方式中,运用所述机组运行可靠性预测模型,对风电机组的主要部件运行可靠性进行在线实时预测,包括:当获取主要部件的温度参数后,计算可靠性参数Rr;查看参数Rr是否在函数的范围Rr0内,如果在可靠性模型的范围Rr0内,则风电机组工作正常,反之不正常,且函数的范围Rr0由如下公式给出:
其中,为所述期望,为所述方差。
此外,本发明还提供了一种基于统计分析的风电机组运行可靠性预测装置,所述装置包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现根据前文所述的基于统计分析的风电机组运行可靠性预测方法。
此外,本发明还提供了一种风电机组,所述风电机组包括前文所述的基于统计分析的风电机组运行可靠性预测装置。
采用这样的设计后,本发明至少具有以下优点:
本发明提出的基于统计分析的风电机组运行可靠性预测方法、装置及风电机组通过对所述SCADA历史关键数据的统计分析,建立机组运行可靠性预测模型,从而对风电机组的大部件运行可靠性进行准确的在线实时预测。
附图说明
上述仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,以下结合附图与具体实施方式对本发明作进一步的详细说明。
图1是本发明提供的基于统计分析的风电机组运行可靠性预测方法的流程图;
图2是本发明提供的基于统计分析的风电机组运行可靠性预测装置的结构图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
图1示出了本发明提供的基于统计分析的风电机组运行可靠性预测方法的流程图。参见图1,基于统计分析的风电机组运行可靠性预测方法包括:
S1:数据的采集。
采集机组运行一段时间tn内的SCADA历史数据矩阵X,tn≥0.5年。
S2:数据的清洗。
对采集的SCADA历史数据矩阵X进行预处理:将机组停机、启停过程等运行不正常的数据剔除,得到清洗后的数据举证Y。
S3:关键参数的选取。
从清洗后的SCADA数据矩阵中选取出机组运行的环境温度Ta、功率P和各主要部件(如发电机、齿轮箱、变流器、变桨***等)的温度参数Tcomp组成新的矩阵Z。Z的表达式如下:
Z=(Ta,P,Tcomp)
其中,Ta代表机组运行的环境温度,P代表功率,Tcomp代表某主要部件的某个温度的列向量。
S4:建立基于统计分析的机组运行可靠性预测模型。优选地,可靠性建模方法主要包括如下步骤:
S41:主要部件运行温度参数的一次修正。主要部件运行温度的一次修正主要是消除环境溫度Ta对主要部件运行温度Tcomp的影响趋势。具体的修正方法包括如下步骤:
S411:将矩阵Z按照功率P从小到大的顺序重新排序参数,得到新的矩阵W。
S412:将功率进行区间划分,优选地,每段区间的的功率间隔为20kW~50kW。然后分别在不同的功率区间上对主要部件的温度进行一次线性回归修正,获得主要部件的一次修正后的温度参数Tr1。具体的表达式如下:
Tcomp,i=ki,tTa,i+Tr1,i
式中,ki——第i个功率区间上的回归系数;Ci——第i个功率区间上的常数项。
根据上式得到不同功率区间内的主要部件运行温度的一次修正表达式如下:
Tr1,i=Tcomp,i-ki,tTa,i
S42:主要部件运行温度的二次修正。通过一次线性回归方法消除功率对主要部件运行温度的影响趋势,获得主要部件的二次修正后的温度参数Tr2。具体的表达式如下:
Tr1,i=ki,pP+Tr2,i
由上面公式可得到在不同功率区间内,经过二次修正后的主要部件的温度,具体的表达式如下:
Tr2,i=Tr1,i-ki,pP
S43:建立基于温度参数的主要部件运行可靠性预测模型。
经过二次修正后的温度参数满足正态分布,利用统计理论对二次修正后温度参数进行机组运行可靠性建模,具体步骤包括:
S431:计算出主要部件二次修正后的温度参数的期望和方差计算的表达式如下:
S432:根据统计学理论,将主要部件二次修正后的温度参数的分布转化为标准正态分布,转化的表达式如下:
从而获得标准正态分布:均值方差为
S433:根据6西格玛质量控制技术建立可靠性预测模型Rr0,表达式如下:
上式可简化为如下表达式:
3≤Rr0≤3
S5:对低风速智能风电机组的大部件运行可靠性进行在线实时预测。具体的步骤如下:
S51:当获取主要部件的温度参数后,从步骤S411开始计算,一直计算到S433步骤,获得可靠性参数Rr。
S52:查看Rr参数是否在Rr0函数的范围内,如果在可靠性模型Rr0的范围内,则风电机组工作正常,反之不正常。
本发明提供了一种基于统计分析的风电机组运行可靠性的预测方法,该方法使用统计学方法和六西格玛理论对风电机组主要部件运行的可靠性进行建模,最终实现对风电机组运行的可靠性进行在线实时预测。
图2是本发明基于统计分析的风电机组运行可靠性预测装置的结构图。参见图2,基于统计分析的风电机组运行可靠性预测装置包括:中央处理单元(CPU)201,其可以根据存储在只读存储器(ROM)中的程序或者从存储部分208加载到随机访问存储器(RAM)203中的程序而执行各种适当的动作和处理。在RAM203中,还存储有***操作所需的各种程序和数据。CPU201、ROM202以及RAM203通过总线204彼此相连。输入/输出(I/O)接口205也连接至总线204。
以下部件连接至I/O接口205:包括键盘、鼠标等的输入部分206;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分207;包括硬盘等的存储部分208;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分209。通信部分209经由诸如因特网的网络执行通信处理。驱动器210也根据需要连接至I/O接口205。可拆卸介质211,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器210上,以便于从其上读出的计算机程序根据需要被安装入存储部分208。
特别的,根据本发明实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本发明的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分209从网络上被下载和安装,和/或从可拆卸介质211被安装。在该计算机程序被中央处理单元(CPU)201执行时,执行本发明的方法中限定的上述功能。需要说明的是,本发明的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意结合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者结合使用。而在本发明中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何恰当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本发明各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连的表示的方框实际上可以基本并行的执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
典型的,前文所述的基于统计分析的风电机组运行可靠性预测装置可以设置在风电机组中。并且,其中设置有前文所述的基于统计分析的风电机组运行可靠性预测装置的风电机组,可以是低风速风电机组。
以上所述,仅是本发明的较佳实施例而已,并非对本发明作任何形式上的限制,本领域技术人员利用上述揭示的技术内容做出些许简单修改、等同变化或修饰,均落在本发明的保护范围内。
Claims (10)
1.一种基于统计分析的风电机组运行可靠性预测方法,其特征在于,包括:
采集机组运行一段时间内的SCADA历史关键数据;
运用六西格玛质量控制技术,通过对所述SCADA历史关键数据的统计分析,建立机组运行可靠性预测模型;
运用所述机组运行可靠性预测模型,对风电机组的主要部件运行可靠性进行在线实时预测。
2.根据权利要求1所述的基于统计分析的风电机组运行可靠性预测方法,其特征在于,所述SCADA历史关键数据为:
Z=(Ta,P,Tcomp)
其中,Z为SCADA历史数据矩阵,Ta为主要部件运行的环境温度,P为机组运行功率,Tcomp为主要部件运行温度;
运用六西格玛质量控制技术,通过对所述SCADA历史关键数据的统计分析,建立机组运行可靠性预测模型,包括:
进行主要部件运行温度参数的一次修正,以消除环境温度对主要部件运行温度的影响趋势;
进行主要部件运行温度参数的二次修正,以消除功率对主要部件运行温度的影响趋势;
基于修正后的主要部件运行温度参数,建立主要部件的运行可靠性预测模型。
3.根据权利要求2所述的基于统计分析的风电机组运行可靠性预测方法,其特征在于,进行主要部件运行温度参数的一次修正,包括:
将SCADA历史数据矩阵按照功率从小到大的顺序重新排序参数,得到新的SCADA历史数据矩阵;
将功率进行区间划分,然后分别在不同的功率区间上对主要部件的温度进行一次线性回归修正。
4.根据权利要求3所述的基于统计分析的风电机组运行可靠性预测方法,其特征在于,不同功率区间内的主要部件运行温度的一次修正表达式为:
Tr1,i=Tcomp,i-ki,tTa,i
其中,Tr1,i为第i段功率区间内主要部件运行温度的一次修正值,Tcomp,i为第i段功率区间内的主要部件运行温度,Ta,i为第i段功率区间内主要部件的环境温度,ki,t为第i段功率区间的一次修正回归系数。
5.根据权利要求2所述的基于统计分析的风电机组运行可靠性预测方法,其特征在于,进行主要部件运行温度参数的二次修正,包括:
通过线性回归方法消除功率对主要部件运行温度的影响趋势,获得主要部件的二次修正后的温度参数。
6.根据权利要求5所述的基于统计分析的风电机组运行可靠性预测方法,其特征在于,经过二次修正后的温度参数为:
Tr2,i=Tr1,i-ki,pP
其中,Tr2,i为第i段功率区间内主要部件运行温度的二次修正值,Tr1,i为第i段功率区间内主要部件运行温度的一次修正值,P为机组运行功率,ki,p为第i段功率区间的二次修正回归系数。
7.根据权利要求2所述的基于统计分析的风电机组运行可靠性预测方法,其特征在于,基于修正后的主要部件运行温度参数,建立基于温度参数的主要部件的运行可靠性预测模型,包括:
计算出主要部件二次修正后的温度参数的期望和方差,所述期望的计算式为:
所述方差的计算式为:
其中,为所述期望,为所述方差,Tr2,j为第j段功率区间内主要部件运行温度的二次修正值,n为功率区间的总数;
根据统计学理论,将主要部件二次修正后的温度参数的分布转化为标准正态分布;
根据六西格玛质量控制技术建立可靠性预测模型Rr0。
8.根据权利要求7所述的基于统计分析的风电机组运行可靠性预测方法,其特征在于,运用所述机组运行可靠性预测模型,对风电机组的主要部件运行可靠性进行在线实时预测,包括:
当获取主要部件的温度参数后,计算可靠性参数Rr;
查看参数Rr是否在函数的范围Rr0内,如果在可靠性模型的范围Rr0内,则风电机组工作正常,反之不正常,且函数的范围Rr0由如下公式给出:
其中,为所述期望,为所述方差。
9.一种基于统计分析的风电机组运行可靠性预测装置,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现根据权利要求1至8任意一项所述的基于统计分析的风电机组运行可靠性预测方法。
10.一种风电机组,其特征在于,所述风电机组包括根据权利要求9所述的基于统计分析的风电机组运行可靠性预测装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910587348.8A CN110212585A (zh) | 2019-07-02 | 2019-07-02 | 基于统计分析的风电机组运行可靠性预测方法、装置及风电机组 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910587348.8A CN110212585A (zh) | 2019-07-02 | 2019-07-02 | 基于统计分析的风电机组运行可靠性预测方法、装置及风电机组 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110212585A true CN110212585A (zh) | 2019-09-06 |
Family
ID=67795750
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910587348.8A Pending CN110212585A (zh) | 2019-07-02 | 2019-07-02 | 基于统计分析的风电机组运行可靠性预测方法、装置及风电机组 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110212585A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110912188A (zh) * | 2019-11-27 | 2020-03-24 | 天津瑞能电气有限公司 | 基于ai的新型微电网能源管理*** |
CN111192163A (zh) * | 2019-12-23 | 2020-05-22 | 明阳智慧能源集团股份公司 | 基于风电机组运行数据的发电机可靠度中短期预测方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110301769A1 (en) * | 2010-08-12 | 2011-12-08 | Vestas Wind Systems A/S | Control of a wind power plant |
CN108876073A (zh) * | 2017-05-08 | 2018-11-23 | 新疆金风科技股份有限公司 | 风电机组可靠性确定方法和装置 |
-
2019
- 2019-07-02 CN CN201910587348.8A patent/CN110212585A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110301769A1 (en) * | 2010-08-12 | 2011-12-08 | Vestas Wind Systems A/S | Control of a wind power plant |
CN108876073A (zh) * | 2017-05-08 | 2018-11-23 | 新疆金风科技股份有限公司 | 风电机组可靠性确定方法和装置 |
Non-Patent Citations (1)
Title |
---|
张穆勇: "基于运行数据的风力发电设备可靠性分析方法和评估技术的研究", 《中国博士学位论文全文数据库(电子期刊) 工程科技Ⅱ辑》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110912188A (zh) * | 2019-11-27 | 2020-03-24 | 天津瑞能电气有限公司 | 基于ai的新型微电网能源管理*** |
CN111192163A (zh) * | 2019-12-23 | 2020-05-22 | 明阳智慧能源集团股份公司 | 基于风电机组运行数据的发电机可靠度中短期预测方法 |
CN111192163B (zh) * | 2019-12-23 | 2023-03-28 | 明阳智慧能源集团股份公司 | 基于风电机组运行数据的发电机可靠度中短期预测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10867087B2 (en) | Systems and methods for real-time DC microgrid power analytics for mission-critical power systems | |
CN106384210B (zh) | 一种基于检修风险收益的输变电设备检修优先级排序方法 | |
Rejc et al. | Estimating the additional operating reserve in power systems with installed renewable energy sources | |
US20170228479A1 (en) | Systems And Methods For Integrated, Model, And Role-Based Management Of A Microgrid Based On Real-time Power Management | |
Dehghanian et al. | A comprehensive scheme for reliability-centered maintenance in power distribution systems—Part II: Numerical analysis | |
CN103617561A (zh) | 一种电网智能变电站二次设备状态评估***和方法 | |
CN103559648A (zh) | 电网设备状态检测与评价实训*** | |
CN105184490B (zh) | 电网调度操作过程风险辅助预控*** | |
US8046111B2 (en) | System and method for controlling multiple facts | |
CN110212585A (zh) | 基于统计分析的风电机组运行可靠性预测方法、装置及风电机组 | |
Mochamad et al. | Assessing the impact of VSC-HVDC on the interdependence of power system dynamic performance in uncertain mixed AC/DC systems | |
CN109685344A (zh) | 一种电力设备运维策略确定方法、装置及存储介质 | |
CN105139712A (zh) | 基于实时仿真的在线调度员培训***及其方法 | |
CN110361609A (zh) | 特高压设备监测***及方法 | |
Martínez-Lavín et al. | Proposal for an aggregated solar PV power plant simulation model for grid code compliance | |
CN113452025B (zh) | 一种模型-数据混合驱动的电网预想故障评估方法和*** | |
CN114529166A (zh) | 一种配电网运行安全风险预警方法及*** | |
Ibe et al. | Adequacy analysis and security reliability evaluation of bulk power system | |
CN112436542B (zh) | 计及稳控策略的稳态安全紧急控制在线预决策方法 | |
Li et al. | A summary of relay protection-based simulation for Dynamic Performance and Reliability Assessment | |
CN107169180A (zh) | 一种两级部署的电网调控模型中心*** | |
CN107292524A (zh) | 智能变电站二次安全措施自动生成方法及装置 | |
CN106960262A (zh) | 特高压直流线路预想故障有功备用容量评估方法和装置 | |
CN106779443A (zh) | 电力调度中的操作风险确定方法和装置 | |
CN115864644A (zh) | 一种继电保护装置状态评价方法、***、设备及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190906 |
|
RJ01 | Rejection of invention patent application after publication |