基于运行规律和TICC算法的风电SCADA高维时序数据聚类方法

作     者：肖钊 邓杰文 刘晓明 段书用 许守亮 XIAO Zhao;DENG Jiewen;LIU Xiaoming;DUAN Shuyong;XU Shouliang

作者机构：湖南科技大学机电工程学院湘潭411201 省部共建电工装备可靠性与智能化国家重点实验室(河北工业大学)天津300401 华电郑州机械设计研究院有限公司郑州450046 

出 版 物：《机械工程学报》 (Journal of Mechanical Engineering)

年 卷 期：2022年第58卷第23期

页      面：196-207页

核心收录：

学科分类：08[工学] 0807[工学-动力工程及工程热物理] 

基　　金：国家自然科学基金(51905165,51875199) 河北省自然科学基金创新群体项目(E2020202142) 国家重点研发计划“国家质量基础设施体系”专项(2022YFF0608702) 

主　　题：风电机组 SCADA数据 TICC算法 时间序列聚类 

摘      要：针对大型风力发电机组高维SCADA时序数据的工况识别问题,结合风电机组运行规律和TICC算法,提出一种自动分割聚类方法。从高维的SCADA数据中选取风速、转速和桨距角等少量特定参数作为初始分割聚类对象,分析特定参数的运行规律,确定风电机组理论的运行工况。选取一段特定参数的历史数据,利用TICC算法进行离线聚类分割,获得聚类的最优特征参数。将最优特征参数作为TICC算法的输入,对新的特定参数时间序列数据进行分类。最后根据特定参数时间序列的聚类结果,对未进行分割的SCADA时序数据进行聚类处理。选取某2.5 MW双馈风电机组的SCADA时间序列数据对方法进行验证,同时将所提出的方法与FCM算法、GMM算法、K-Means算法进行对比研究。实例验证和对比研究表明,所提的聚类方法充分融合理论知识和TICC算法的优点,可高效处理高维SCADA聚类分割问题,同时保证聚类结果与理论分析结果一致性。