(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111313404.2 (22)申请日 2021.11.08 (71)申请人 浙江运达风电股份有限公司 地址 311106 浙江省杭州市钱江经济开发 区顺风路558号 申请人 浙江大学 (72)发明人 孙勇　陈棋　傅凌焜　王琳　 杨秦敏　陈积明　孟文超　方静宜　 (74)专利代理 机构 杭州求是专利事务所有限公 司 33200 代理人 刘静 (51)Int.Cl. G06F 30/27(2020.01) G06N 3/00(2006.01) G06F 111/04(2020.01)G06F 111/08(2020.01) G06F 113/06(2020.01) G06F 119/02(2020.01) (54)发明名称 一种基于微分进化的参数模型拟合风机功 率曲线的方法 (57)摘要 本发明公开了一种基于微分进化的参数模 型拟合风机功率曲线的方法。 该方法针对风机数 据采集与监视系统采集的数据， 基于风速信息进 行数据清 洗； 建立五参数logi stic模型对清 洗后 的功率曲线数据集进行拟合， logi stic参数模型 与标准风机功率曲线具有高度相似的特征， 保证 了曲线拟合的准确性； 使用自适应控制参数变化 的微分进化算法对五参数logistic模型的参数 进行辨识， 保证拟合曲线平滑性的同时提升了拟 合速度， 最终得到拟合风机功率曲线的五参数 logistic模型。 本发明方法是基于 数据的参数建 模方法， 数据清洗步骤完备， 选取的参数模型兼 顾了实际运行数据特征与标准风机功率曲线特 征， 具有一定的理论 价值与实际工程 意义。 权利要求书3页 说明书9页 附图3页 CN 114065618 A 2022.02.18 CN 114065618 A 1.一种基于微分进化的参数模型拟合风机功率曲线的方法， 其特征在于， 包括以下步 骤： 1)根据待评估风机的数据采集与监视(SCADA)系统采集的相应需求周期中的总计n条 风机运行数据信息， 将运行数据信息中的风速{vi}、 有功功 率{Pi}和桨距角{βi}信息组成 需 预处理的功率曲线信息数据集， 记为 其中i＝1， 2， 3， …， n； 2)根据风电机组运行过程中不同风速条件下对应的有功功率和桨距角的正常值范围 对步骤1)中的信息数据集 进行原始数据集的清洗， 剔除明显的异常点后得到剩余 不符合异常点特征的nnorm条运行数据， 并记作风机标准运行数据 集 其中i＝1， 2， 3，…， nnorm； 3)将步骤2)中清洗后的风机标准运行数据集 中的风速 以及有功功率 进行五参 数logistic模型的建立， 风机的功率曲线模型记作P5logistic(v， θ )， 其中风 速 为功率曲线模型的自变量， 有功功率 为功率曲线模型的因变量， θ 为五参 数logistic模 型的五个参数的集合(A， B， C， D， G)， 其中A表示风机的最低功率， B 表示风机最 大限度捕获风能的效率， C表示风机的最大发电功率的中值， D表示风机的最大功率， G表示 功率曲线的对称性； 4)对步骤3)中的五参数logistic模型的五个参数集合θ ＝(A， B， C， D， G)的初值θ0进行设 置， 结合五参数logistic模型的各参数含义与风机功率曲线的物理意义设置参数集合初 值， 其中： A的初值设置为 风机标准 运行数据集中有功 功率 的最小值； B的初值设置为 风机标准 运行数据集中欧氏距离最大的两个数据点间的连线斜 率； C的初值设置为 风机标准 运行数据集中有功 功率 最大值和最小值的均值； D的初值设置为 风机标准 运行数据集中有功 功率 的最大值； G的初值设置为1， 代 表初始功率曲线是对称的； 5)根据步骤 4)的五参数logi stic模型的五个参数集合θ 的初值θ0， 使用微分进 化方法对 步骤3)中的风机功率曲线模型P5logistic(v， θ )中的五个参数(A， B， C， D， G)进行参数辨识， 记 风机标准运行数据集 中的每一个数据点为一个个体， 整体为一个种群， 将每个个体 对应的五个参数集合作为 染色体向量， 通过随机抽取三个原始染色体向量进 行差分计算得 到供体向量， 采用二项式交叉算子进 行交叉操作， 生成试验向量， 选择两个原始染色体向量 和试验向量中最接近最佳染色体向量的染色体向量作为新一代种群的个体， 重复迭代直到 设定的次数 上限后即可获得最优的五个参数集 合θbest＝(Abest， Bbest， Cbest， Dbest， Gbest)； 6)根据步骤5)中得到的最优的五个参数集合得到最优的风机功率曲线模型 2.根据权利要求1所述的一种基于微分进化的参数模型拟合风机功率曲线的方法， 其 特征在于， 所述步骤2)中， 对不同风速范围进 行划分， 并根据风机运行状态的异常特征对风权　利　要　求　书 1/3 页 2 CN 114065618 A 2机功率曲线 进行异常点检测； 基于风速信息的数据清洗的具体判据如下： a)风机启动时， 如果信息数据集 中的风速大于切入风速， 有功功率低于有功功 率阈值或者 值为负数， 判定为异常数据点； b)风机运行在低风速条件下， 即信息数据集 中的风速大于切入风速且小于风 机额定风速， 如果桨距角大于桨距角阈值， 判定为异常数据点； c)风机运行在高风速条件下， 即信息数据集 中的风速大于风机额定风速且小 于切出风速， 如果有功功率大于有功功 率阈值且小于风机额定有功功率与有功功率阈值的 差值， 判定为异常数据点。 3.根据权利要求1所述的一种基于微分进化的参数模型拟合风机功率曲线的方法， 其 特征在于， 所述步骤3)中， 根据风机标准运行数据集 建立的风机功率曲线模型 P5logistic(v， θ )具体描述如下： 4.根据权利要求1所述的一种基于微分进化的参数模型拟合风机功率曲线的方法， 其 特征在于， 所述步骤5)中， 对风机功率曲线模型P5logistic(v， θ )中的五个参数(A， B， C， D， G)进 行参数辨识时， 将参数θ＝(A， B， C， D， G)的辨识寻优问题转化为非线性规划问题， 其目标函 数为误差平方函数， 约束条件为根据专家经验以及风机出厂规格参数对五个参数(A， B， C， D， G)的区间约束； 目标函数的公式如下： 其中， Pe5logistic(vi)为使用风机功率曲线模型估计的有功功率， Pa(vi)为实际的有功功 率。 5.根据权利要求1所述的一种基于微分进化的参数模型拟合风机功率曲线的方法， 其 特征在于， 所述步骤5)中， 使用微分进化法对风机功率曲线模型P5logistic(v， θ )中的五个参 数(A， B， C， D， G)进行参数辨识的具体步骤如下： a)将风机标准运行数据集 中风速 的每一个数据点记作一个个体vi， 将 总计nnorm个个体组成一个初始种群， 即迭代次数为0时的数据点种群， 记作 其中， 为初始种群中的一个个体， 每个个体由五参数logistic模型的五个参数作为权　利　要　求　书 2/3 页 3 CN 114065618 A 3