基于动态参考状态估计的风力机性能故障检测

风电场的运行与维护成本占风场整体生命周期成本的很大比例，其中也包括因可避免的发电性能不佳而导致收益损失的机遇成本。我们提出了一种基于机器学习决策支持方法，以最小化这些机遇成本。通过分析来自风力机运行的遥测传感器数据流，估计高精度的功率参考关系并进行基准比对，我们能够以风力机和场址特定的方式检测与性能相关的运行故障。最准确的功率参考模型是基于机器学习算法与回归变量集的组合来选择的。当超出正常运行状态边界时，可 alert 操作人员。我们在一个并网商业陆上风力机的案例研究中演示了该性能故障检测方法。对检测到的性能不佳事件进行诊断，我们发现观测到的发电不足与风力机叶片执行器低液压压力相关的转子叶片错位相吻合。