具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地说明，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

如图1所示，本发明公开了一种风力发电机测风仪健康状态检测方法，包括以下步骤：

S1、获取SCADA数据，并对数据进行过滤；

S2、对过滤后的数据进行预处理；

S3、构建测风仪健康评分指标及判别标准；

S4、根据采集的数据分析测风仪健康状态。

步骤S1具体为剔除不能很好反映风机真实状态的数据，包括风电机组停机、限电运行状态下的数据、风速低于低第一阈值发电功率低于第二阈值的数据。其中第一阈值和第二阈值为人工设定。

步骤S2具体为：

S2.1、获取风速数据中的最大风速V_max和最小风速V_min；

S2.2、将SCADA数据划分为N个区间，其中

E为设定速度；若计算得到的N为非整数，则取比计算值大的最小正整数；

S2.3、定义数值K，K的初始值为1；

S2.4、计算第K个区间中的风速范围和风速期望值；计算第K个区间中发电机功率期望值；

S2.5、判断K＞N，否，令K＝K+1后重复步骤S2.4；是，获得发电机功率与风速的关系。

步骤S2.4具体为：

S2.41、获取第K个风速区间的风速范围，

[V_min+(K-1)V_S，V_min+KV_S]，其中

S2.42、计算第K个区间中的风速期望值：

式中v_i为风速；m为第K个区间中不同风速数据的数目；p_j为风速v_j的数值在第K个区间出现的概率，其中n为第K个区间中数据个数，n_j为第K个区间中风速为v_j的数据个数；

S2.43、计算第K个区间的发电机功率期望值：

式中：P_i为功率值；q为第K个区间中不同功率数据的个数；o_i为功率P_i对应的风速在第K个区间出现的概率，r为第K个区间中的功率数据的个数，r_i为第K个区间中功率为P_i的数据个数。

步骤S3具体为：

S3.1、构建测风仪风速计测量值和测风塔风速值的关系函数；

S3.2、根据S3.1中的关系函数构建测风仪健康评分指标；

S3.3、构建测风仪健康状态判别标准。

步骤S3.1具体：

构建测风仪风速计测量值X和测风塔风速值Y的关系函数，

用于描述任意一组输入的SCADA数据{x_i，y_i}(i＝1、2、……、g)之间的关系；其中a_j(j＝0、1、2、……、z)是模型系数，为y_i的估计值。

步骤S3.1还包括引入矩阵

其中，R²为误差的平方和，

将式(6)带入(5)可得，A＝X^TY(X^TX)^-1(8)；

由上式计算a₀～a_z的值，确定输入的SCADA数据{x_i，y_i}之间的关系。

步骤S3.2具体为：

构建测风仪健康评分指标S，

式中：a_j为从当前SCADA数据中计算出的模型系数；b_j为从风机正常运行时的历史SCADA数据中计算得到的模型系数；X_max和X_min分别为X中的最大值和最小值。

构建判别标准：

S＝0表示风机测风仪运行正常；

S>0表示风机测风仪有故障发生，数值越大故障越严重。

还包括步骤S3.4，具体为：

如图2所示，根据风速值计算出的发电量与实际发电量间存在相应偏差构建故障分级，令由故障引起的风速偏差最终引起的发电量偏差为P_offset，实际发电量为P_cap；

当S＝0时故障等级为Ⅰ，严重程度为正常；

当S＝0时故障等级为Ⅱ，严重程度为轻微；

当S＝0时故障等级为Ⅲ，严重程度为严重；

当S＝0时故障等级为Ⅳ，严重程度为非常严重。

对本方法效果进行测试，包括：

将两台1.5MW风机测风仪分别在正常运转和发生故障后的SCADA数据进行比较，计算得到评分指标S值。

正常情况下，风机测风仪SCADA数据与测风塔测风仪的记录值存在较为固定的关系，一旦两者的关系出现偏差，说明测风仪出现异常。在验证过程中，通过比较另一台1.5MW风电机组机舱测风仪在故障前后记录的数据与测风塔测风仪记录值关系的变动，来验证以上假设。并计算风机健康评分指标S的大小。

如图4所示，为风机测风仪故障前后的SCADA数据与测风塔风速记录值。从图3难以直观地判断风机测风仪在正常或故障时的风速数据与测风塔风速数据的关系是否发生改变，因此须对数据进行处理。在SCADA数据中，该风机故障发生前测得的最大风速V_max为最小风速为V_min。根据式(1)以及N为整数的要求，确定N取值为39，即将测风塔风速和测风仪风速按式(2)计算得到的V_S分配到39个区间中；然后，分别计算测风塔风速和测风仪风速在39个区间中的期望值。数据预处理，式(5)a_j中j＝4，中对矩阵A进行求取得到：当测风仪无故障时的a₀～a₄值，当测风仪存在故障时的a₀～a₄值。处理数据后得到图5和图6。

如图5、图6所示，经过数据处理，之前看起来毫无规律的散点图所包含的信息被提取出来，操作人员可以清楚判断风机测风仪风速和测风塔风速的关系，二者呈正相关关系。风机测风仪在发生故障前后和测风塔风速的关系发生明显的改变，发生故障前，S＝0；发生故障后，S＝2.44。由此，本发明提出的方法对风机测风仪故障能够起到诊断作用。

尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。