一种风力发电机限功率过程识别方法及系统与流程

1.本发明涉及风力发电技术领域，具体涉及一种风力发电机限功率过程识别方法及系统。


背景技术：

2.风力发电机在运行过程中，会由于设备故障、运行测试、电网端负载过高，而于一定时间内限制在某一发电功率值附近保持恒定运行(限功率)。从风力发电机scada系统中获得的风速和功率数据构成风机功率曲线，可用于评价风机在不同风况下的发电性能，也可与风机标准功率曲线进行对比校验。限功率是风机在非正常工况下的发电状态，限功率数据会对风机功率曲线分析和校验产生干扰，是功率曲线在数据预处理中需要排除的异常数据。此外，现有风力发电站并无用于存储风机限功率相关信息的专门设备，不利于开展对风机限功率状态的分析评估。
3.现有风机限功率过程的识别研究主要集中于风力发电机scada系统监测数据的预处理，具体做法是利用数据统计分析将限功率数据与包括故障停机等在内的其它风机异常数据一起去除，主要方法有标准差法、箱线图法、密度聚类法、孤立森林法等。这些方法不考虑风机实际运行过程，受功率曲线本身的数据量和分布影响，只能识别位于功率曲线正常数据簇之外较为明显的离群限功率数据，不易识别混杂在功率曲线正常数据簇中的限功率数据；且这些方法只能识别风机在某个时间段内的全部限功率数据，并不能实现逐个限功率过程的识别，不满足对于风机限功率过程的精细化评估的要求。


技术实现要素：

4.因此，本发明为了解决现有的方法不能精确识别风机限功率过程的问题，提供一种风力发电机限功率过程识别方法及系统，准确的从大量风机scada系统监测数据中识别出每个风机限功率过程，减小计算量，提高自动化程度。为达到上述目的，本发明提供如下技术方案：
5.第一方面，本发明实施例提供一种风力发电机限功率过程识别方法，包括：
6.从风力发电机scada系统中提取出包含监测时间、平均风速、平均有功功率的时间序列数据，并形成风机原始功率曲线数据的二维矩阵n；
7.对风机原始功率曲线数据进行数据预处理，保留平均有功功率大于0对应的数据，形成数据预处理后的风机功率曲线数据的二维矩阵k；
8.利用滑动窗口计算功率曲线数据中平均有功功率的变异系数，对风机功率曲线数据二维矩阵k中的平均有功功率一维数组进行遍历，得到平均有功功率变异系数数据的一维矩阵cv；
9.在风机切入风速至额定风速之间的风速区间内，选择多个样本限功率过程的平均有功功率变异系数，得到平均有功功率变异系数的频率分布直方图，取其大于预设分位数的为功率变异系数阈值；
10.根据功率变异系数阈值和平均有功功率变异系数数据的一维矩阵cv来识别每个限功率过程的开始位置和结束位置，并根据每个限功率过程的开始位置和结束位置，逐个标记限功率过程区间；
11.剔除由于风机来流风速保持稳定而产生的伪限功率过程，得到在滑动窗口长度内风机自然来流风速波动较大情况下的真实限功率过程。
12.进一步地，所述滑动窗口指长度等于多个scada系统监测最小时间单元的时间窗口。
13.进一步地，所述利用滑动窗口计算功率曲线数据中平均有功功率的变异系数的过程，包括：假设滑动窗口w的长度为l，则滑动窗口w每次计算l个时段内平均有功功率数据的平均值p
mean
和标准差p
stdev
，继而求出滑动窗口w中对应的有功功率数据的变异系数p
cv
＝p
stdev
/p
mean
。
14.进一步地，识别每个限功率过程的开始位置，包括：所述有功功率变异系数矩阵cv中，当第i
–
1个变异系数大于阈值ε，同时第i个变异系数小于阈值ε，同时第i+1个变异系数小于阈值ε时，则第i个变异系数对应的矩阵数组索引为某个风机限功率过程的开始位置；从有功功率变异系数矩阵cv的第2个至倒数第2个数据之间进行遍历，得到不包括限功率过程从有功功率变异系数矩阵cv第1个数据开始的、其它全部风机限功率过程开始位置的一维矩阵s；
15.识别每个限功率过程的结束位置的过程，包括：对有功功率变异系数矩阵cv，当第i
–
1个变异系数小于阈值ε，同时第i个变异系数小于阈值ε，同时第i+1个变异系数大于阈值ε时，则第i个变异系数对应的矩阵数组索引为某个风机限功率过程的结束位置；从矩阵cv的第2个至倒数第2个数据之间进行遍历，得到不包括限功率过程在矩阵cv倒数第1个数结束的、其它全部风机限功率过程结束位置的一维矩阵e；
16.对比矩阵s第1个数据s1和矩阵e的第1个数据e1的大小，若s1》e1，则为矩阵s最前面增加一个位置索引0，得到包含全部风机限功率过程开始位置的一维矩阵s'；
17.对比矩阵s最后第1个数据sy和矩阵e的最后第1个数据ez的大小，若sy》ez，则为矩阵e最后面增加一个位置索引m
–
1，得到包含全部风机限功率过程结束位置的一维矩阵e'；
18.将矩阵s'和矩阵e'合并，形成一个表示全部风机限功率过程开始位置和结束位置的二维矩阵se。
19.进一步地，所述根据每个限功率过程的开始位置和结束位置，逐个标记限功率过程区间的过程，包括：
20.所述对矩阵se逐行遍历，读取每个限功率过程的开始位置sq和结束位置eq，进一步转化为对应于功率曲线矩阵k逐行数据的位置索引区间[sq,eq+l
–
1]，提取出对应于每个风机限功率过程的功率曲线数据；其余数据为风机非限功率过程数据；
[0021]
对识别出的全部风机限功率过程数据，生成对应的风机限功率过程识别标签。
[0022]
进一步地，所述生成对应的风机限功率过程识别标签的过程，包括：
[0023]
生成一个长度为k的单列一维矩阵i，逐行遍历矩阵se中的sq和eq，对矩阵i中每个长度为eq–
sq+l
–
1的位置索引区间分别进行从1到q的赋值，对矩阵k中每行数据所属风机限功率过程的标识。
[0024]
进一步地，所述剔除由于风机来流风速保持稳定而产生的伪限功率过程，包括：计
算每组风机限功率过程数据对应的风速uk的变异系数cv
ui
＝u
stdev
/u
mean
，其中u
stdev
表示某限功率过程对应风速的标准差，u
mean
表示某限功率过程对应风速的均值，当cv
ui
小于一定阈值时，表明该风机限功率过程是由于自然来流风速保持相对稳定造成的，而非真实限功率过程，此时剔除该伪限功率过程。
[0025]
第二方面，本发明实施例提供一种风力发电机限功率过程识别系统，包括：
[0026]
风力发电数据获取模块，用于从风力发电机scada系统中提取出包含监测时间、平均风速、平均有功功率的时间序列数据，并形成风机原始功率曲线数据的二维矩阵n；
[0027]
风力发电数据预处理模块，用于对风机原始功率曲线数据进行数据预处理，保留平均有功功率大于0对应的数据，形成数据预处理后的风机功率曲线数据的二维矩阵k；
[0028]
平均有功功率变异系数获取模块，用于利用滑动窗口计算功率曲线数据中平均有功功率的变异系数，对风机功率曲线数据二维矩阵k中的平均有功功率一维数组进行遍历，得到平均有功功率变异系数数据的一维矩阵cv；
[0029]
功率变异系数阈值获取模块，用于在风机切入风速至额定风速之间的风速区间内，选择多个样本限功率过程的平均有功功率变异系数，得到平均有功功率变异系数的频率分布直方图，取其大于预设分位数的为功率变异系数阈值；
[0030]
限功率过程区间获取模块，根据功率变异系数阈值和平均有功功率变异系数数据的一维矩阵cv来识别每个限功率过程的开始位置和结束位置，并根据每个限功率过程的开始位置和结束位置，逐个标记限功率过程区间；
[0031]
伪限功率过程剔除模块，用于剔除由于风机来流风速保持稳定而产生的伪限功率过程，得到在滑动窗口长度内风机自然来流风速波动较大情况下的真实限功率过程。
[0032]
第三方面，本发明实施例提供一种计算机设备，包括：至少一个处理器，以及与至少一个处理器通信连接的存储器，其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器执行本发明实施例第一方面的风力发电机限功率过程识别方法。
[0033]
第四方面，本发明实施例提供一种计算机可读存储介质，计算机可读存储介质存储有计算机指令，计算机指令用于使计算机执行本发明实施例第一方面的风力发电机限功率过程识别方法。
[0034]
本发明技术方案，具有如下优点：
[0035]
本发明提供的风力发电机限功率过程识别方法及系统，首先从风力发电机scada系统中提取出包含监测时间、平均风速、平均有功功率的时间序列数据，对形成风机原始功率曲线数据并进行预处理；然后利用滑动窗口计算功率曲线数据中平均有功功率的变异系数，并确定功率变异系数阈值，根据功率变异系数阈值识别每个限功率过程的开始位置和结束位置，并根据每个限功率过程的开始位置和结束位置逐个标记限功率过程区间；最后剔除由于风机来流风速保持稳定而产生的伪限功率过程，得到风机自然来流风速波动较大情况下的真实限功率过程。本发明从海量风机功率曲线数据中较为准确识别出每个限功率过程，计算量较小，自动化程度较高。
附图说明
[0036]
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体
实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0037]
图1为本发明实施例中提供的风力发电机限功率过程识别方法的一个具体示例的流程图；
[0038]
图2为某风机scada系统监测所得的功率曲线原始数据示意图；
[0039]
图3为样本限功率过程的平均有功功率变异系数的频数直方图；
[0040]
图4为本发明实施例中所区分出的某风机全部限功率数据和全部非限功率数据示意图；
[0041]
图5为本发明实施例中提供的风力发电机限功率过程识别系统一示例的模块组成图；
[0042]
图6为本发明实施例提供的计算机设备一个具体示例的组成图。
具体实施方式
[0043]
下面将结合附图对本发明的技术方案进行清楚、完整地描述，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他实施例，都属于本发明保护的范围。
[0044]
此外，下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
[0045]
实施例1
[0046]
本发明实施例提供一种的风力发电机限功率过程识别方法，其中限功率过程指风力发电机输出有功功率在一定时间段内保持恒定或相对恒定的状态。如图1所示，该方法包括以下步骤:
[0047]
步骤s1:从风力发电机scada系统中提取出包含监测时间、平均风速、平均有功功率的时间序列数据，并对形成风机原始功率曲线数据的二维矩阵n。
[0048]
需要说明的是，风力发电机scada系统指风机的监视控制和数据采集系统，是以计算机为基础的电力自动化监控系统，可以实现对现场风力发电机进行远程监视和控制等操作。监测时间指风机scada系统监测并存储数据的时间戳，含有年、月、日、小时、分钟、秒等时间要素；风机scada系统监测最小时间单元有1分钟、10分钟、15分钟、1小时等；平均风速指风机scada系统在监测时间段内风速传感器所测得的风机来流风速的平均值；平均有功功率指风机scada系统在监测时间段内测得的风机输出有功功率的平均值。
[0049]
本发明实施例中的功率曲线指由风机平均风速和平均有功功率数据构成的二维散点图；散点图中的横坐标表示平均风速，纵坐标表示平均有功功率。如图2所示，某风机在某时段内由scada系统监测所得的功率曲线示意图，风机原始功率曲线数据的二维矩阵n，矩阵形式为：
[0050][0051]
上式表示了从第1个时段到第n个时段，风力发电机scada系统测量的风机原始功率曲线数据矩阵。其中，tn、un、pn分别表示某时段的具体时间、平均风速、平均有功功率，每个tn、un、pn组合构成一个数据行。
[0052]
步骤s2:对风机原始功率曲线数据进行数据预处理，保留平均有功功率大于0对应的数据，形成数据预处理后的风机功率曲线数据的二维矩阵k。
[0053]
本发明实施例，对数据进行预处理的过程为：去除平均有功功率p≤0w对应的数据行，保留平均有功功率p大于0w对应的数据行，且保持风机功率曲线数据行的时间排序不变。进行数据预处理操作后，形成一个新的风机功率曲线数据的二维矩阵k，矩阵形式为：
[0054][0055]
上式表示经过数据预处理后的新时间序列中，从第1个时段到第k个时段，风力发电机scada系统测量的风机功率曲线数据二维矩阵。其中，tk、uk、pk分别表示某时段的具体时间、平均风速、平均有功功率，其中k≤n。
[0056]
步骤s3:利用滑动窗口计算功率曲线数据中平均有功功率的变异系数，对风机功率曲线数据二维矩阵k中的平均有功功率一维数组进行遍历，得到平均有功功率变异系数数据的一维矩阵cv。
[0057]
本发明实施例中的滑动窗口指长度等于多个scada系统监测最小时间单元的时间窗口(例如scada系统最小监测时间单元为10分钟，滑动窗口长度l为12)每次允许等于窗口长度个数的数据参与相关计算；平均有功功率变异系数指个数等于滑动窗口长度的风机平均有功功率的变异系数。
[0058]
在一具体实施例中，假设滑动窗口w的长度为l(l《k)，对功率曲线数据矩阵k中的平均有功功率数据进行遍历，则滑动窗口w每次可以计算l个时段内平均有功功率数据的平均值p
mean
和标准差p
stdev
，继而可以求出滑动窗口w中对应的有功功率数据的变异系数p
cv
＝p
stdev
/p
mean
。滑动窗口w对功率曲线数据矩阵k中的平均有功功率一维数组进行遍历后，得到平均有功功率变异系数数据的一维矩阵cv，矩阵形式为：
[0059][0060]
上式中，cv1表示对应于平均有功功率数据p1至p
l
的变异系数，cv2表示对应于平均
有功功率数据p2至p
l+1
的变异系数，以此类推，其中m＝k
–
l+1。
[0061]
步骤s4:在风机切入风速至额定风速之间的风速区间内，选择多个样本限功率过程的平均有功功率变异系数，得到平均有功功率变异系数的频率分布直方图，取其大于预设分位数(例如是95％，仅作为举例，不以此为限)的为功率变异系数阈值，在本发明实施例中样本限功率过程的平均有功功率变异系数的频数直方图如图3所示，确定的功率变异系数阈值ε为0.0145。
[0062]
步骤s5:根据功率变异系数阈值和平均有功功率变异系数数据的一维矩阵cv来识别每个限功率过程的开始位置和结束位置，并根据每个限功率过程的开始位置和结束位置，逐个标记限功率过程区间。
[0063]
本发明实施例中的限功率过程开始位置指由平均有功功率变异系数阈值判断得到的，对应于平均有功功率变异系数一维矩阵或功率曲线数据二维矩阵的开始一个限功率过程的位置索引；限功率过程结束位置指由平均有功功率变异系数阈值判断得到的，对应于平均有功功率变异系数一维矩阵或功率曲线数据二维矩阵的结束一个限功率过程的位置索引；限功率过程区间指对应于一个限功率过程开始位置(包括开始位置)和结束位置(包括结束位置)之间的，在平均有功功率变异系数一维矩阵或功率曲线数据二维矩阵中的位置索引区间。具体实现过程为：
[0064]
步骤s51:识别每个限功率过程的开始位置，包括：所述有功功率变异系数矩阵cv中，当第i
–
1个变异系数大于阈值ε，同时第i个变异系数小于阈值ε，同时第i+1个变异系数小于阈值ε时，则第i个变异系数对应的矩阵数组索引为某个风机限功率过程的开始位置；从有功功率变异系数矩阵cv的第2个至倒数第2个数据之间进行遍历，得到不包括限功率过程从有功功率变异系数矩阵cv第1个数据开始的、其它全部风机限功率过程开始位置的一维矩阵s，矩阵形式为：
[0065][0066]
上式中，s1表示对应于第1个风机限功率过程开始位置在变异系数矩阵cv中的数组索引，s2表示对应于第2个风机限功率过程开始位置在变异系数矩阵cv中的数组索引，以此类推。
[0067]
步骤s52:识别每个限功率过程的结束位置的过程，包括：对有功功率变异系数矩阵cv，当第i
–
1个变异系数小于阈值ε，同时第i个变异系数小于阈值ε，同时第i+1个变异系数大于阈值ε时，则第i个变异系数对应的矩阵数组索引为某个风机限功率过程的结束位置；从矩阵cv的第2个至倒数第2个数据之间进行遍历，得到不包括限功率过程在矩阵cv倒数第1个数结束的、其它全部风机限功率过程结束位置的一维矩阵e，矩阵形式为：
[0068][0069]
上式中，e1表示对应于第1个风机限功率过程结束位置在变异系数矩阵cv中的数组索引，e2表示对应于第2个风机限功率过程结束位置在变异系数矩阵cv中的数组索引，以此类推。一般的，|y
–
z|＝0或1。
[0070]
步骤s53:对比矩阵s第1个数据s1和矩阵e的第1个数据e1的大小，若s1》e1，则为矩阵s最前面增加一个位置索引0，得到包含全部风机限功率过程开始位置的一维矩阵s'；
[0071]
步骤s54:对比矩阵s最后第1个数据sy和矩阵e的最后第1个数据ez的大小，若sy》ez，则为矩阵e最后面增加一个位置索引m
–
1，得到包含全部风机限功率过程结束位置的一维矩阵e'；
[0072]
步骤s55:将矩阵s'和矩阵e'合并，形成一个表示全部风机限功率过程开始位置和结束位置的二维矩阵se，矩阵形式为：
[0073][0074]
上式中，s1和e1分别表示对应于第1个风机限功率过程开始位置和结束位置在变异系数矩阵cv中的数组索引，s2和e2分别表示对应于第2个风机限功率过程开始位置和结束位置在变异系数矩阵cv中的数组索引，以此类推。
[0075]
步骤55：对矩阵se逐行遍历，读取每个限功率过程的开始位置sq和结束位置eq，进一步转化为对应于功率曲线矩阵k逐行[t
k u
k pk]数据的位置索引区间[sq,eq+l
–
1]，进一步可以提取出对应于每个风机限功率过程的功率曲线数据；其余数据为风机非限功率过程数据。图4为某风机在某时段内，去除功率小于等于0w的数据后，全部限功率过程数据和全部非限功率过程数据的示意图，可以看出得到不错的风机限功率过程数据识别效果。
[0076]
步骤56：对识别出的全部风机限功率过程数据，生成对应的风机限功率过程识别标签。具体过程为，首先生成一个长度为k的单列一维矩阵i；然后逐行遍历矩阵se中的sq和eq，对矩阵i中每个长度为eq–
sq+l
–
1的位置索引区间分别进行从1到q的赋值，以实现对矩阵k中每行数据所属风机限功率过程的标识。
[0077]
步骤s6:剔除由于风机来流风速保持稳定而产生的伪限功率过程，得到在滑动窗口长度内风机自然来流风速波动较大情况下的真实限功率过程。
[0078]
本发明实施例计算每组风机限功率过程数据对应的风速uk的变异系数cv
ui
＝u
stdev
/u
mean
，其中u
stdev
表示某限功率过程对应风速的标准差，u
mean
表示某限功率过程对应风速的均值。当cv
ui
小于一定阈值(例如是0.02)时，表明该风机限功率过程是由于自然来流风速保持相对稳定造成的，而非真实限功率过程，此时剔除该伪限功率过程，从而得到真实限功率过程。
[0079]
实施例2
[0080]
本发明实施例提供一种风力发电机限功率过程识别系统，如图5所示，包括：
[0081]
风力发电数据获取模块1，用于从风力发电机scada系统中提取出包含监测时间、平均风速、平均有功功率的时间序列数据，并形成风机原始功率曲线数据的二维矩阵n；该模块执行实施例1中的步骤s1所描述的方法，在此不再赘述。
[0082]
风力发电数据预处理模块2，用于对风机原始功率曲线数据进行数据预处理，保留平均有功功率大于0对应的数据，形成数据预处理后的风机功率曲线数据的二维矩阵k；该模块执行实施例1中的步骤s2所描述的方法，在此不再赘述。
[0083]
平均有功功率变异系数获取模块3，用于利用滑动窗口计算功率曲线数据中平均有功功率的变异系数，对风机功率曲线数据二维矩阵k中的平均有功功率一维数组进行遍历，得到平均有功功率变异系数数据的一维矩阵cv；该模块执行实施例1中的步骤s3所描述的方法，在此不再赘述。
[0084]
功率变异系数阈值获取模块4，用于在风机切入风速至额定风速之间的风速区间内，选择多个样本限功率过程的平均有功功率变异系数，得到平均有功功率变异系数的频率分布直方图，取其大于预设分位数的为功率变异系数阈值；该模块执行实施例1中的步骤s4所描述的方法，在此不再赘述。
[0085]
限功率过程区间获取模块5，根据功率变异系数阈值和平均有功功率变异系数数据的一维矩阵cv来识别每个限功率过程的开始位置和结束位置，并根据每个限功率过程的开始位置和结束位置，逐个标记限功率过程区间；该模块执行实施例1中的步骤s5所描述的方法，在此不再赘述。
[0086]
伪限功率过程剔除模块6，用于剔除由于风机来流风速保持稳定而产生的伪限功率过程，得到在滑动窗口长度内风机自然来流风速波动较大情况下的真实限功率过程。该模块执行实施例1中的步骤s6所描述的方法，在此不再赘述。
[0087]
本发明实施例提供的风力发电机限功率过程识别系统，使得尽可能准确的从大量风机scada系统监测数据中识别出每个风机限功率过程，减小计算量，提高自动化程度。
[0088]
实施例3
[0089]
本发明实施例提供一种计算机设备，如图6所示，包括：至少一个处理器401，例如cpu(central processing unit，中央处理器)，至少一个通信接口403，存储器404，至少一个通信总线402。其中，通信总线402用于实现这些组件之间的连接通信。其中，通信接口403可以包括显示屏(display)、键盘(keyboard)，可选通信接口403还可以包括标准的有线接口、无线接口。存储器404可以是高速ram存储器(ramdom access memory，易挥发性随机存取存储器)，也可以是非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。存储器404可选的还可以是至少一个位于远离前述处理器401的存储装置。其中处理器401可以执行实施例1的风力发电机限功率过程识别方法。存储器404中存储一组程序代码，且处理器401调用存储器404中存储的程序代码，以用于执行实施例1的风力发电机限功率过程识别方法。
[0090]
其中，通信总线402可以是外设部件互连标准(peripheral component interconnect，简称pci)总线或扩展工业标准结构(extended industry standard architecture，简称eisa)总线等。通信总线402可以分为地址总线、数据总线、控制总线等。
为便于表示，图6中仅用一条线表示，但并不表示仅有一根总线或一种类别的总线。
[0091]
其中，存储器404可以包括易失性存储器(英文：volatile memory)，例如随机存取存储器(英文：random-access memory，缩写：ram)；存储器也可以包括非易失性存储器(英文：non-volatile memory)，例如快闪存储器(英文：flash memory)，硬盘(英文：hard disk drive，缩写：hdd)或固态硬盘(英文：solid-state drive，缩写：ssd)；存储器404还可以包括上述种类的存储器的组合。
[0092]
其中，处理器401可以是中央处理器(英文：central processing unit，缩写：cpu)，网络处理器(英文：network processor，缩写：np)或者cpu和np的组合。
[0093]
其中，处理器401还可以进一步包括硬件芯片。上述硬件芯片可以是专用集成电路(英文：application-specific integrated circuit，缩写：asic)，可编程逻辑器件(英文：programmable logic device，缩写：pld)或其组合。上述pld可以是复杂可编程逻辑器件(英文：complex programmable logic device，缩写：cpld)，现场可编程逻辑门阵列(英文：field-programmable gate array，缩写：fpga)，通用阵列逻辑(英文：generic array logic,缩写：gal)或其任意组合。
[0094]
可选地，存储器404还用于存储程序指令。处理器401可以调用程序指令，实现如执行实施例1中的风力发电机限功率过程识别方法。
[0095]
本发明实施例还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机可执行指令，该计算机可执行指令可执行实施例1的风力发电机限功率过程识别方法。其中，所述存储介质可为磁碟、光盘、只读存储记忆体(read-only memory，rom)、随机存储记忆体(random access memory，ram)、快闪存储器(flash memory)、硬盘(hard disk drive，缩写：hdd)或固态硬盘(solid-state drive，ssd)等；所述存储介质还可以包括上述种类的存储器的组合。
[0096]
显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引申出的显而易见的变化或变动仍处于本发明创造的保护范围之中。

技术特征：
1.一种风力发电机限功率过程识别方法，其特征在于，包括：从风力发电机scada系统中提取出包含监测时间、平均风速、平均有功功率的时间序列数据，并形成风机原始功率曲线数据的二维矩阵n；对风机原始功率曲线数据进行数据预处理，保留平均有功功率大于0对应的数据，形成数据预处理后的风机功率曲线数据的二维矩阵k；利用滑动窗口计算功率曲线数据中平均有功功率的变异系数，对风机功率曲线数据二维矩阵k中的平均有功功率一维数组进行遍历，得到平均有功功率变异系数数据的一维矩阵cv；在风机切入风速至额定风速之间的风速区间内，选择多个样本限功率过程的平均有功功率变异系数，得到平均有功功率变异系数的频率分布直方图，取其大于预设分位数的为功率变异系数阈值；根据功率变异系数阈值和平均有功功率变异系数数据的一维矩阵cv来识别每个限功率过程的开始位置和结束位置，并根据每个限功率过程的开始位置和结束位置，逐个标记限功率过程区间；剔除由于风机来流风速保持稳定而产生的伪限功率过程，得到在滑动窗口长度内风机自然来流风速波动较大情况下的真实限功率过程。2.根据权利要求1所述的风力发电机限功率过程识别方法，其特征在于，所述滑动窗口指长度等于多个scada系统监测最小时间单元的时间窗口。3.根据权利要求2所述的风力发电机限功率过程识别方法，其特征在于，所述利用滑动窗口计算功率曲线数据中平均有功功率的变异系数的过程，包括：假设滑动窗口w的长度为l，则滑动窗口w每次计算l个时段内平均有功功率数据的平均值p
mean
和标准差p
stdev
，继而求出滑动窗口w中对应的有功功率数据的变异系数p
cv
＝p
stdev
/p
mean
。4.根据权利要求3所述的风力发电机限功率过程识别方法，其特征在于，根据功率变异系数阈值和平均有功功率变异系数数据的一维矩阵cv来识别每个限功率过程的开始位置和结束位置的步骤，包括：识别每个限功率过程的开始位置，包括：所述有功功率变异系数矩阵cv中，当第i
–
1个变异系数大于阈值ε，同时第i个变异系数小于阈值ε，同时第i+1个变异系数小于阈值ε时，则第i个变异系数对应的矩阵数组索引为某个风机限功率过程的开始位置；从有功功率变异系数矩阵cv的第2个至倒数第2个数据之间进行遍历，得到不包括限功率过程从有功功率变异系数矩阵cv第1个数据开始的、其它全部风机限功率过程开始位置的一维矩阵s；识别每个限功率过程的结束位置的过程，包括：对有功功率变异系数矩阵cv，当第i
–
1个变异系数小于阈值ε，同时第i个变异系数小于阈值ε，同时第i+1个变异系数大于阈值ε时，则第i个变异系数对应的矩阵数组索引为某个风机限功率过程的结束位置；从矩阵cv的第2个至倒数第2个数据之间进行遍历，得到不包括限功率过程在矩阵cv倒数第1个数结束的、其它全部风机限功率过程结束位置的一维矩阵e；对比矩阵s第1个数据s1和矩阵e的第1个数据e1的大小，若s1>e1，则为矩阵s最前面增加一个位置索引0，得到包含全部风机限功率过程开始位置的一维矩阵s'；对比矩阵s最后第1个数据s
y
和矩阵e的最后第1个数据e
z
的大小，若s
y
>e
z
，则为矩阵e最后面增加一个位置索引m
–
1，得到包含全部风机限功率过程结束位置的一维矩阵e'；
将矩阵s'和矩阵e'合并，形成一个表示全部风机限功率过程开始位置和结束位置的二维矩阵se。5.根据权利要求4所述的风力发电机限功率过程识别方法，其特征在于，所述根据每个限功率过程的开始位置和结束位置，逐个标记限功率过程区间的过程，包括：所述对矩阵se逐行遍历，读取每个限功率过程的开始位置s
q
和结束位置e
q
，进一步转化为对应于功率曲线矩阵k逐行数据的位置索引区间[s
q
,e
q
+l
–
1]，提取出对应于每个风机限功率过程的功率曲线数据；其余数据为风机非限功率过程数据；对识别出的全部风机限功率过程数据，生成对应的风机限功率过程识别标签。6.根据权利要求5所述的风力发电机限功率过程识别方法，其特征在于，所述生成对应的风机限功率过程识别标签的过程，包括：生成一个长度为k的单列一维矩阵i，逐行遍历矩阵se中的s
q
和e
q
，对矩阵i中每个长度为e
q
–
s
q
+l
–
1的位置索引区间分别进行从1到q的赋值，对矩阵k中每行数据所属风机限功率过程的标识。7.根据权利要求6所述的风力发电机限功率过程识别方法，其特征在于，所述剔除由于风机来流风速保持稳定而产生的伪限功率过程，包括：计算每组风机限功率过程数据对应的风速u
k
的变异系数cv
ui
＝u
stdev
/u
mean
，其中u
stdev
表示某限功率过程对应风速的标准差，u
mean
表示某限功率过程对应风速的均值，当cv
ui
小于一定阈值时，表明该风机限功率过程是由于自然来流风速保持相对稳定造成的，而非真实限功率过程，此时剔除该伪限功率过程。8.一种风力发电机限功率过程识别系统，其特征在于，包括：风力发电数据获取模块，用于从风力发电机scada系统中提取出包含监测时间、平均风速、平均有功功率的时间序列数据，并形成风机原始功率曲线数据的二维矩阵n；风力发电数据预处理模块，用于对风机原始功率曲线数据进行数据预处理，保留平均有功功率大于0对应的数据，形成数据预处理后的风机功率曲线数据的二维矩阵k；平均有功功率变异系数获取模块，用于利用滑动窗口计算功率曲线数据中平均有功功率的变异系数，对风机功率曲线数据二维矩阵k中的平均有功功率一维数组进行遍历，得到平均有功功率变异系数数据的一维矩阵cv；功率变异系数阈值获取模块，用于在风机切入风速至额定风速之间的风速区间内，选择多个样本限功率过程的平均有功功率变异系数，得到平均有功功率变异系数的频率分布直方图，取其大于预设分位数的为功率变异系数阈值；限功率过程区间获取模块，根据功率变异系数阈值和平均有功功率变异系数数据的一维矩阵cv来识别每个限功率过程的开始位置和结束位置，并根据每个限功率过程的开始位置和结束位置，逐个标记限功率过程区间；伪限功率过程剔除模块，用于剔除由于风机来流风速保持稳定而产生的伪限功率过程，得到在滑动窗口长度内风机自然来流风速波动较大情况下的真实限功率过程。9.一种计算机设备，其特征在于，包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器执行权利要求1-7中任一所述的风力发电机限功率过程识别方法。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指
令，所述计算机指令用于使所述计算机执行1-7中任一所述的风力发电机限功率过程识别方法。

技术总结
本发明公开了一种风力发电机限功率过程识别方法及系统，方法包括：从风力发电机SCADA系统中提取出包含监测时间、平均风速、平均有功功率的时间序列数据，形成风机原始功率曲线数据并进行预处理；利用滑动窗口计算功率曲线数据中平均有功功率的变异系数，并确定功率变异系数阈值；根据功率变异系数阈值识别每个限功率过程的开始位置和结束位置，并根据每个限功率过程的开始位置和结束位置逐个标记限功率过程区间；剔除由于风机来流风速保持稳定而产生的伪限功率过程，得到风机自然来流风速波动较大情况下的真实限功率过程。本发明从海量风机功率曲线数据中较为准确识别出每个限功率过程，计算量较小，自动化程度较高。自动化程度较高。自动化程度较高。


技术研发人员：贾天下 易侃 文仁强 张子良 张皓 王浩 陈圣哲 杜梦蛟 薛兆邦
受保护的技术使用者：中国长江三峡集团有限公司
技术研发日：2023.02.16
技术公布日：2023/5/16