本發(fā)明涉及風(fēng)電機(jī)組，尤其涉及一種基于可變拓?fù)渚W(wǎng)絡(luò)的風(fēng)電機(jī)組多模態(tài)數(shù)據(jù)協(xié)同優(yōu)化方法。

背景技術(shù)：

1、隨著風(fēng)力發(fā)電技術(shù)的快速發(fā)展，風(fēng)電機(jī)組作為可再生能源領(lǐng)域的重要設(shè)備，其運(yùn)行效率和維護(hù)成本成為影響風(fēng)電場(chǎng)經(jīng)濟(jì)效益的關(guān)鍵因素，風(fēng)電機(jī)組的運(yùn)行過(guò)程中涉及機(jī)械、電氣和環(huán)境多模態(tài)數(shù)據(jù)的協(xié)同作用，數(shù)據(jù)能夠反映風(fēng)電機(jī)組的實(shí)時(shí)狀態(tài)和運(yùn)行趨勢(shì)，成為優(yōu)化風(fēng)電機(jī)組運(yùn)行策略和制定維護(hù)計(jì)劃的重要依據(jù)。

2、目前，大多數(shù)風(fēng)電機(jī)組運(yùn)行優(yōu)化方法基于單一模態(tài)數(shù)據(jù)進(jìn)行分析，例如僅關(guān)注電氣參數(shù)或機(jī)械振動(dòng)信號(hào)，這樣依賴固定的假設(shè)模型或簡(jiǎn)單的靜態(tài)算法對(duì)風(fēng)電場(chǎng)中多模態(tài)數(shù)據(jù)的復(fù)雜關(guān)聯(lián)性缺乏有效處理能力，在面對(duì)風(fēng)速、溫度環(huán)境條件快速變化時(shí)，傳統(tǒng)方法難以動(dòng)態(tài)調(diào)整運(yùn)行策略以適應(yīng)復(fù)雜工況，此外，現(xiàn)有優(yōu)化方法往往側(cè)重于局部?jī)?yōu)化，缺乏全局視角無(wú)法充分考慮風(fēng)電場(chǎng)內(nèi)多個(gè)機(jī)組之間的協(xié)同關(guān)系，導(dǎo)致整體運(yùn)行效率提升空間有限。

3、同時(shí)，現(xiàn)有的維護(hù)技術(shù)多基于定期維護(hù)或故障后維護(hù)策略，雖然近年來(lái)故障診斷技術(shù)有所發(fā)展但仍局限于通過(guò)單一模態(tài)數(shù)據(jù)提取故障特征，難以實(shí)現(xiàn)多模態(tài)數(shù)據(jù)融合和動(dòng)態(tài)關(guān)聯(lián)分析，現(xiàn)有的方法不僅容易導(dǎo)致誤判和漏判還可能增加風(fēng)電機(jī)組的停機(jī)時(shí)間和維護(hù)成本，此外，現(xiàn)有技術(shù)難以提供個(gè)性化的維護(hù)建議，無(wú)法根據(jù)風(fēng)電機(jī)組的運(yùn)行狀態(tài)優(yōu)化維護(hù)周期和方案，進(jìn)一步影響設(shè)備的壽命和經(jīng)濟(jì)性。

4、綜上所述，現(xiàn)有技術(shù)在多模態(tài)數(shù)據(jù)動(dòng)態(tài)融合、運(yùn)行優(yōu)化全局性和預(yù)測(cè)性維護(hù)的準(zhǔn)確性方面存在顯著不足，現(xiàn)有缺陷導(dǎo)致風(fēng)電機(jī)組運(yùn)行效率無(wú)法充分提升、設(shè)備壽命難以有效延長(zhǎng)、維護(hù)成本居高不下，迫切需要一種能夠利用多模態(tài)數(shù)據(jù)協(xié)同優(yōu)化風(fēng)電機(jī)組運(yùn)行策略的技術(shù)來(lái)解決上述問(wèn)題。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的一個(gè)目的在于提出一種基于可變拓?fù)渚W(wǎng)絡(luò)的風(fēng)電機(jī)組多模態(tài)數(shù)據(jù)協(xié)同優(yōu)化方法，本發(fā)明全面提升了風(fēng)電機(jī)組運(yùn)行優(yōu)化與狀態(tài)監(jiān)測(cè)的能力，為風(fēng)電場(chǎng)的高效運(yùn)行與可持續(xù)發(fā)展提供了可靠的技術(shù)支撐。

2、根據(jù)本發(fā)明實(shí)施例的一種基于可變拓?fù)渚W(wǎng)絡(luò)的風(fēng)電機(jī)組多模態(tài)數(shù)據(jù)協(xié)同優(yōu)化方法，包括如下步驟：

3、s1.獲取風(fēng)電機(jī)組的多模態(tài)運(yùn)行數(shù)據(jù)集，對(duì)多模態(tài)運(yùn)行數(shù)據(jù)集進(jìn)行去噪、異常值檢測(cè)及標(biāo)準(zhǔn)化處理；

4、s2.基于風(fēng)電機(jī)組的物理結(jié)構(gòu)、部件間的功能關(guān)系和多模態(tài)運(yùn)行數(shù)據(jù)集的關(guān)聯(lián)特性，生成分布式拓?fù)渚W(wǎng)絡(luò)；

5、s3.對(duì)采集的多模態(tài)運(yùn)行數(shù)據(jù)集進(jìn)行特征提取，將特征提取結(jié)果嵌入到分布式拓?fù)渚W(wǎng)絡(luò)中，根據(jù)實(shí)時(shí)采集的數(shù)據(jù)動(dòng)態(tài)更新局部拓?fù)渚W(wǎng)絡(luò)和全局拓?fù)渚W(wǎng)絡(luò)中節(jié)點(diǎn)和邊的權(quán)重；

6、s4.基于時(shí)間序列分析與實(shí)時(shí)數(shù)據(jù)反饋調(diào)整分布式拓?fù)渚W(wǎng)絡(luò)中局部拓?fù)渚W(wǎng)絡(luò)和全局拓?fù)渚W(wǎng)絡(luò)的結(jié)構(gòu)；

7、s5.基于分布式拓?fù)渚W(wǎng)絡(luò)構(gòu)建協(xié)同優(yōu)化模型，整合局部拓?fù)渚W(wǎng)絡(luò)的優(yōu)化結(jié)果和全局拓?fù)渚W(wǎng)絡(luò)的信息，通過(guò)多目標(biāo)優(yōu)化算法對(duì)風(fēng)電機(jī)組的運(yùn)行效率、設(shè)備壽命和維護(hù)成本目標(biāo)進(jìn)行綜合權(quán)衡，協(xié)同優(yōu)化模型利用動(dòng)態(tài)更新的分布式拓?fù)渚W(wǎng)絡(luò)作為輸入，優(yōu)化多模態(tài)運(yùn)行數(shù)據(jù)的融合效果和優(yōu)化能力；

8、s6.根據(jù)協(xié)同優(yōu)化模型的輸出生成風(fēng)電機(jī)組的運(yùn)行控制策略，包括功率調(diào)節(jié)參數(shù)、部件負(fù)載分配策略及異常模式的調(diào)整建議，將運(yùn)行控制策略應(yīng)用于風(fēng)電機(jī)組實(shí)際運(yùn)行，并實(shí)時(shí)監(jiān)測(cè)反饋數(shù)據(jù)，更新分布式拓?fù)渚W(wǎng)絡(luò)進(jìn)行閉環(huán)優(yōu)化。

9、可選的，所述s1包括以下步驟：

10、s11、對(duì)風(fēng)電機(jī)組關(guān)鍵部件進(jìn)行傳感器布置，采集機(jī)械振動(dòng)信號(hào)、電氣運(yùn)行參數(shù)和環(huán)境氣象數(shù)據(jù)，構(gòu)建多模態(tài)運(yùn)行數(shù)據(jù)集：

11、d＝{dm,de,dc}；

12、其中，d＝{dm,de,dc}表示機(jī)械振動(dòng)信號(hào)數(shù)據(jù)集，包含風(fēng)電機(jī)組關(guān)鍵部件的振動(dòng)幅值、頻率和加速度，de表示電氣運(yùn)行參數(shù)數(shù)據(jù)集，包含電壓、電流和功率的時(shí)間序列數(shù)據(jù)，dc表示環(huán)境氣象數(shù)據(jù)集，包含風(fēng)速、風(fēng)向、溫度和濕度的測(cè)量數(shù)據(jù)。

13、s12、對(duì)多模態(tài)運(yùn)行數(shù)據(jù)集中的各子集進(jìn)行噪聲濾除，采用加權(quán)平均濾波方法去除高頻干擾信號(hào)；

14、s13、對(duì)去噪后的多模態(tài)數(shù)據(jù)集使用三標(biāo)準(zhǔn)差法進(jìn)行異常值檢測(cè)，設(shè)數(shù)據(jù)的均值和標(biāo)準(zhǔn)差，得到經(jīng)過(guò)異常值剔除后的多模態(tài)運(yùn)行數(shù)據(jù)集；

15、s14、對(duì)經(jīng)過(guò)異常值剔除后的多模態(tài)運(yùn)行數(shù)據(jù)集進(jìn)行標(biāo)準(zhǔn)化處理，生成歸一化多模態(tài)運(yùn)行數(shù)據(jù)集：

16、d″＝{d″m,d″e(cuò),d″c}。

17、可選的，所述s2包括以下步驟：

18、s21、基于風(fēng)電機(jī)組關(guān)鍵部件集合p與歸一化多模態(tài)運(yùn)行數(shù)據(jù)集d″，將風(fēng)電機(jī)組的關(guān)鍵部件pi定義為局部拓?fù)渚W(wǎng)絡(luò)中的節(jié)點(diǎn)ni，為每個(gè)節(jié)點(diǎn)ni建立包含機(jī)械、電氣和氣象信息的多模態(tài)特征向量ni：

19、

20、其中，和分別為節(jié)點(diǎn)ni對(duì)應(yīng)的機(jī)械振動(dòng)、電氣運(yùn)行和氣象環(huán)境數(shù)據(jù)在歸一化多模態(tài)運(yùn)行數(shù)據(jù)集中提取的特征均值，特征均值為多模態(tài)運(yùn)行數(shù)據(jù)集中針對(duì)關(guān)鍵部件pi關(guān)聯(lián)的時(shí)間序列數(shù)據(jù)取均值得到；

21、s22、根據(jù)節(jié)點(diǎn)間多模態(tài)特征向量ni和nj的關(guān)聯(lián)特性計(jì)算局部拓?fù)渚W(wǎng)絡(luò)中兩個(gè)節(jié)點(diǎn)ni與nj之間的關(guān)聯(lián)系數(shù)rij：

22、

23、其中，ni,ξ為節(jié)點(diǎn)ni在模態(tài)ξ∈{m,e,c}下的特征分量，m表示機(jī)械，e表示電氣，c表示氣象，μξ為該模態(tài)下所有節(jié)點(diǎn)特征分量的均值；

24、s23、根據(jù)關(guān)聯(lián)系數(shù)rij初始化局部拓?fù)渚W(wǎng)絡(luò)中節(jié)點(diǎn)ni與nj之間的邊eij的權(quán)重wij：

25、

26、其中，t為關(guān)聯(lián)性閾值，wij為局部拓?fù)渚W(wǎng)絡(luò)中體現(xiàn)關(guān)鍵部件間相關(guān)強(qiáng)度的數(shù)值；

27、s24、在風(fēng)電場(chǎng)級(jí)別，將各風(fēng)電機(jī)組的局部拓?fù)渚W(wǎng)絡(luò)集合表示為l＝{l1,l2,…,lq}，其中l(wèi)q表示第q臺(tái)風(fēng)電機(jī)組的局部拓?fù)渚W(wǎng)絡(luò)；

28、將風(fēng)電場(chǎng)中每臺(tái)風(fēng)電機(jī)組定義為全局拓?fù)渚W(wǎng)絡(luò)的節(jié)點(diǎn)gk，并基于局部拓?fù)渚W(wǎng)絡(luò)的特征進(jìn)行全局聚合，定義全局節(jié)點(diǎn)gk的特征向量gk：

29、

30、其中，為第k臺(tái)風(fēng)電機(jī)組中第i個(gè)節(jié)點(diǎn)對(duì)應(yīng)的多模態(tài)特征向量；

31、s25、定義全局拓?fù)渚W(wǎng)絡(luò)中兩臺(tái)風(fēng)電機(jī)組gk與gl之間的關(guān)聯(lián)系數(shù)rkl，關(guān)聯(lián)系數(shù)通過(guò)局部拓?fù)渚W(wǎng)絡(luò)中各對(duì)應(yīng)節(jié)點(diǎn)間的相關(guān)性進(jìn)行平均計(jì)算：

32、

33、其中，表示當(dāng)對(duì)第k臺(tái)和第l臺(tái)風(fēng)電機(jī)組進(jìn)行比較時(shí)，局部拓?fù)渚W(wǎng)絡(luò)中節(jié)點(diǎn)與的關(guān)聯(lián)系數(shù)；

34、s26、根據(jù)全局關(guān)聯(lián)系數(shù)rkl對(duì)全局拓?fù)渚W(wǎng)絡(luò)中節(jié)點(diǎn)gk與gl之間的邊ekl進(jìn)行權(quán)重初始化：

35、

36、其中，tg為全局關(guān)聯(lián)性閾值，wkl為全局拓?fù)渚W(wǎng)絡(luò)中體現(xiàn)風(fēng)電機(jī)組間相關(guān)強(qiáng)度的數(shù)值；

37、s27、將局部拓?fù)渚W(wǎng)絡(luò)l和全局拓?fù)渚W(wǎng)絡(luò)g組合生成分布式拓?fù)渚W(wǎng)絡(luò)。

38、可選的，所述s27包括以下步驟：

39、s271、分布式拓?fù)渚W(wǎng)絡(luò)的節(jié)點(diǎn)集為v，由局部拓?fù)渚W(wǎng)絡(luò)節(jié)點(diǎn)集和全局拓?fù)渚W(wǎng)絡(luò)節(jié)點(diǎn)集組合而成：

40、

41、其中，nk為第k臺(tái)風(fēng)電機(jī)組局部拓?fù)渚W(wǎng)絡(luò)的節(jié)點(diǎn)集，g為全局拓?fù)渚W(wǎng)絡(luò)的節(jié)點(diǎn)集，表示每臺(tái)風(fēng)電機(jī)組作為整體的節(jié)點(diǎn)；

42、s272、分布式拓?fù)渚W(wǎng)絡(luò)的邊集為e，包含局部拓?fù)渚W(wǎng)絡(luò)邊集ek和全局拓?fù)渚W(wǎng)絡(luò)邊集eg：

43、

44、其中，ek為第k臺(tái)風(fēng)電機(jī)組局部拓?fù)渚W(wǎng)絡(luò)的邊集，每條邊的權(quán)重為eg為全局拓?fù)渚W(wǎng)絡(luò)的邊集，每條邊ekl的權(quán)重為wkl；

45、s273、設(shè)分布式拓?fù)渚W(wǎng)絡(luò)的鄰接矩陣為a，其元素auv根據(jù)節(jié)點(diǎn)vu和vv的關(guān)聯(lián)性和網(wǎng)絡(luò)邊的權(quán)重定義如下：

46、

47、s274、將節(jié)點(diǎn)集v和邊集e結(jié)合，生成分布式拓?fù)渚W(wǎng)絡(luò)gd：

48、gd＝(v,e,a)；

49、其中，gd為描述風(fēng)電機(jī)組多模態(tài)數(shù)據(jù)動(dòng)態(tài)關(guān)聯(lián)特性的分布式拓?fù)渚W(wǎng)絡(luò)，節(jié)點(diǎn)集v和邊集e分別表示風(fēng)電機(jī)組關(guān)鍵部件、整體及其關(guān)聯(lián)關(guān)系，鄰接矩陣a記錄了分布式網(wǎng)絡(luò)的結(jié)構(gòu)和權(quán)重信息。

50、可選的，所述s3包括以下步驟：

51、s31、基于歸一化多模態(tài)運(yùn)行數(shù)據(jù)集d″提取各節(jié)點(diǎn)ni的時(shí)域特征向量ti；

52、s32、對(duì)歸一化多模態(tài)運(yùn)行數(shù)據(jù)集進(jìn)行快速傅里葉變換，獲取各節(jié)點(diǎn)ni的頻域特征向量fi；

53、s33、利用分布式拓?fù)渚W(wǎng)絡(luò)gd計(jì)算每個(gè)節(jié)點(diǎn)ni的空間關(guān)聯(lián)特征向量si；

54、s34、將時(shí)域特征、頻域特征和空間關(guān)聯(lián)特征融合為節(jié)點(diǎn)ni的綜合特征向量xi：

55、xi＝ti⊕fi⊕si；

56、其中，⊕為特征拼接操作，將綜合特征向量嵌入到分布式拓?fù)渚W(wǎng)絡(luò)gd中，計(jì)算更新后的節(jié)點(diǎn)權(quán)重和邊權(quán)重，更新規(guī)則為：

57、w′ij＝wij·similarity(xi,xj)；

58、其中，w′ij為更新后的邊權(quán)重，similarity(xi,xj)為節(jié)點(diǎn)ni和nj綜合特征向量的余弦相似度；

59、s35、基于實(shí)時(shí)采集的多模態(tài)運(yùn)行數(shù)據(jù)，重復(fù)執(zhí)行步驟s31至s34，對(duì)分布式拓?fù)渚W(wǎng)絡(luò)的節(jié)點(diǎn)權(quán)重和邊權(quán)重進(jìn)行動(dòng)態(tài)調(diào)整。

60、可選的，所述s5包括以下步驟：

61、s51、基于分布式拓?fù)渚W(wǎng)絡(luò)gd和風(fēng)電機(jī)組的運(yùn)行目標(biāo)構(gòu)建多目標(biāo)優(yōu)化函數(shù)，包括運(yùn)行效率目標(biāo)函數(shù)、設(shè)備壽命目標(biāo)函數(shù)和維護(hù)成本目標(biāo)函數(shù)：

62、f(x)＝α1·η(x)+α2·l(x)-α3·c(x)；

63、其中，x為優(yōu)化變量集合，包括風(fēng)電機(jī)組運(yùn)行功率分配和關(guān)鍵部件負(fù)載分配的參數(shù)，η(x)為運(yùn)行效率目標(biāo)函數(shù)，定義為發(fā)電功率與理論風(fēng)能輸入的比值，l(x)為設(shè)備壽命目標(biāo)函數(shù)，定義為關(guān)鍵部件剩余使用壽命的綜合指標(biāo)，c(x)為維護(hù)成本目標(biāo)函數(shù)，定義為維護(hù)周期內(nèi)的成本總和，α1,α2,α3為目標(biāo)權(quán)重系數(shù)，滿足α1+α2+α3＝1；

64、s52、利用分布式拓?fù)渚W(wǎng)絡(luò)gd中節(jié)點(diǎn)的拓?fù)浣Y(jié)構(gòu)特性，動(dòng)態(tài)定義每個(gè)節(jié)點(diǎn)的自適應(yīng)鄰域

65、

66、其中，aij為分布式拓?fù)渚W(wǎng)絡(luò)的鄰接矩陣元素，表示節(jié)點(diǎn)ni和nj之間的邊權(quán)重，ta為鄰域閾值，表示拓?fù)溧徲虻淖钚∠嚓P(guān)性，為與節(jié)點(diǎn)ni相關(guān)性滿足條件的鄰域節(jié)點(diǎn)集合；

67、s53、結(jié)合拓?fù)渚W(wǎng)絡(luò)自適應(yīng)鄰域采用鄰域搜索策略更新優(yōu)化路徑集合p，路徑p由節(jié)點(diǎn)及其鄰域節(jié)點(diǎn)間的權(quán)重定義：

68、

69、其中，pk為分布式拓?fù)渚W(wǎng)絡(luò)中一條路徑，fitness(pk)為路徑適應(yīng)度值；

70、s54、采用基于拓?fù)渚W(wǎng)絡(luò)的粒子群優(yōu)化算法，在自適應(yīng)鄰域的約束下迭代優(yōu)化目標(biāo)函數(shù)，粒子更新規(guī)則為：

71、

72、其中，ω為慣性權(quán)重，c1,c2分別為個(gè)體學(xué)習(xí)因子和群體學(xué)習(xí)因子，r1,r2為隨機(jī)數(shù)，為粒子xi所在鄰域的最佳解，gbest為全局最優(yōu)解；

73、s55、根據(jù)優(yōu)化算法得到的最優(yōu)解x*生成風(fēng)電機(jī)組的運(yùn)行控制策略，包括功率輸出分配、關(guān)鍵部件負(fù)載優(yōu)化和運(yùn)行維護(hù)建議。

74、本發(fā)明的有益效果是：

75、(1)本發(fā)明通過(guò)構(gòu)建分布式拓?fù)渚W(wǎng)絡(luò)將風(fēng)電機(jī)組的局部拓?fù)渚W(wǎng)絡(luò)與全局拓?fù)渚W(wǎng)絡(luò)有機(jī)結(jié)合，動(dòng)態(tài)調(diào)整節(jié)點(diǎn)與邊的權(quán)重，從而實(shí)現(xiàn)對(duì)機(jī)械、電氣、氣象多模態(tài)數(shù)據(jù)的深度融合，根據(jù)風(fēng)電機(jī)組的實(shí)時(shí)運(yùn)行狀態(tài)靈活更新拓?fù)浣Y(jié)構(gòu)，有效捕捉多模態(tài)數(shù)據(jù)間的復(fù)雜動(dòng)態(tài)關(guān)聯(lián)性。

76、(2)本發(fā)明結(jié)合風(fēng)電機(jī)組分布式拓?fù)渚W(wǎng)絡(luò)結(jié)構(gòu)提出了一種自適應(yīng)鄰域搜索策略，根據(jù)節(jié)點(diǎn)間的拓?fù)潢P(guān)聯(lián)性動(dòng)態(tài)定義搜索鄰域，利用拓?fù)渚W(wǎng)絡(luò)結(jié)構(gòu)限制搜索范圍，大幅減少無(wú)效搜索路徑，同時(shí)保證算法能夠更快聚焦于高關(guān)聯(lián)性區(qū)域。

77、(3)本發(fā)明通過(guò)設(shè)計(jì)基于多模態(tài)數(shù)據(jù)的協(xié)同優(yōu)化模型，整合局部拓?fù)渚W(wǎng)絡(luò)和全局拓?fù)渚W(wǎng)絡(luò)的信息，利用改進(jìn)的多目標(biāo)優(yōu)化算法對(duì)風(fēng)電機(jī)組的運(yùn)行效率、設(shè)備壽命和維護(hù)成本進(jìn)行綜合權(quán)衡，能夠動(dòng)態(tài)調(diào)整目標(biāo)權(quán)重以適應(yīng)不同風(fēng)電場(chǎng)運(yùn)行需求，實(shí)現(xiàn)多目標(biāo)之間的平衡。