基于最优权重和隶属云的风电机组状态模糊综合评估

doi:10.11930/j.issn.1004-9649.2017.05.088.07

中国电力 ›› 2017, Vol. 50 ›› Issue (5): 88-94.DOI: 10.11930/j.issn.1004-9649.2017.05.088.07

基于最优权重和隶属云的风电机组状态模糊综合评估

赵洪山¹, 张健平², 李浪¹

1. 华北电力大学电气与电子工程学院,河北保定 071003;
2. 国网沧州供电公司,河北沧州 061000

收稿日期:2016-12-25 出版日期:2017-05-20 发布日期:2017-05-26
作者简介:赵洪山（1965—）,男,河北沧州人,教授,从事电力设备状态评估与维修策略研究。E-mail:zhaohshcn@126.com
基金资助:
国家科技支撑计划资助项目（2015BAA06B03）

Fuzzy Comprehensive Assessment of Wind Turbines Status Based on Optimal Weight and Membership Cloud

ZHAO Hongshan¹, ZHANG Jianping², LI Lang¹

1. School of Electrical and Electronic Engineering, North China Electric Power University, Baoding 071003, China;
2. State Grid Cangzhou Electric Power Supply Company, Cangzhou 061000, China

Received:2016-12-25 Online:2017-05-20 Published:2017-05-26
Supported by:
This work is supported by the National Science and Technology Support Program (No. 2015BAA06B03).

摘要/Abstract

摘要： 针对风电机组状态模糊综合评估存在评估指标权重和隶属度确定主观性强的问题,提出了一种基于最优权重和隶属云的风电机组状态模糊综合评估方法。首先,采用层次分析法（AHP）构建状态评估指标体系,引入相对劣化度对状态评估指标进行归一化处理和状态等级划分;其次,采用熵权法和AHP分别确定状态评估指标的客观和主观权重,并通过非线性规划最优化解法确定状态评估指标的最优权重;然后,利用正态隶属云的概念及生成算法,确定状态评估指标对各状态等级的隶属度,构成评估矩阵;最后,通过实例仿真,并与其他评估方法进行比较,验证该方法是更加有效的和合理的。

关键词: 风电机组, 状态评估, 最优权重, 隶属云, 模糊综合评估

Abstract: In order to overcome strong subjectivity of empowerment and membership evaluation of status assessment indices in fuzzy comprehensive assessment(FCA), a FCA wind turbine status assessment algorithm is proposed based on optimal weight and membership cloud. Firstly, status assessment indices system is established based on analytic hierarchy process (AHP). The relative deterioration degree is introduced to normalize assessment indices and divide condition levels. Then, entropy weight method and AHP are used to determine objective and subjective weights respectively to obtain optimal integrated weight by nonlinear programming. Next, by utilizing generation algorithm of normal membership cloud, the memberships of assessment indices are obtained to build evaluation matrix. Finally, comparing of simulation results with other assessment methods validates effectiveness of proposed method.

Key words: wind turbines, condition assessment, optimal weight, membership cloud, fuzzy comprehensive assessment

中图分类号:

TM614

赵洪山, 张健平, 李浪. 基于最优权重和隶属云的风电机组状态模糊综合评估[J]. 中国电力, 2017, 50(5): 88-94.

ZHAO Hongshan, ZHANG Jianping, LI Lang. Fuzzy Comprehensive Assessment of Wind Turbines Status Based on Optimal Weight and Membership Cloud[J]. Electric Power, 2017, 50(5): 88-94.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: https://www.electricpower.com.cn/CN/10.11930/j.issn.1004-9649.2017.05.088.07

https://www.electricpower.com.cn/CN/Y2017/V50/I5/88

参考文献

[1] 周继威,张波,王栋,等. 风电机组综合状态在线监测与远程诊断中心的建立[J]. 中国电力,2014,47（3）：19-23.
ZHOU Jiwei, ZHANG Bo, WANG Dong, et al . Establishment of comprehensive online condition monitoring and remote diagnosis centre for wind turbine units [J]. Electric Power, 2014, 47(3): 19-23.
[2] 辛卫东,马志勇,滕伟,等. 振动监测技术在风电机组齿轮箱故障诊断中的应用[J]. 中国电力,2012,45（5）：77-80.
XIN Weidong, MA Zhiyong, TENG Wei, et al . Application of vibration monitoring technology on fault diagnosis of gearbox in wind power unit [J]. Electric Power, 2012, 45(5): 77-80.
[3] HAMEED Z, HONG Y S, CHO Y M, et al . Condition monitoring and fault detection of wind turbines and related algorithms a review[J]. Renewable and Sustainable Energy Reviews, 2009, 13(1): 1-39.
[4] ABOUHNIK A, ALBARBAR A. Wind turbine blades condition assessment based on vibration measurements and the level of an empirically decomposed feature[J]. Energy Conversion and Manag- ement, 2012, 64(1): 606-613.
[5] 陈向民,于德介,李蓉. 齿轮箱复合故障振动信号的形态分量分析[J]. 机械工程学报,2014,50（3）：108-115.
CHEN Xiangmin, YU Dejie, LI Rong. Analysis of gearbox compound fault vibration signal using morphological component analysis [J]. Chinese Journal of Mechanical Engineering, 2014, 50(3): 108-115.
[6] 肖运启,王昆朋,贺贯举,等. 基于趋势预测的大型风电机组运行状态模糊综合评价[J]. 中国电机工程学报,2014,34（13）：2132-2139.
XIAO Yunqi, WANG Kunpeng, HE Guanju, et al . Fuzzy comprehensive evaluation for operating condition of large-scale wind turbines based on trend predication[J]. Proceedings of the CSEE, 2014, 34(13): 2132-2139.
[7] 王志国,马一太,杨昭,等. 风力发电机组性能分析的模糊综合评判方法[J]. 太阳能学报,2004,25（2）：177-181.
WANG Zhiguo, MA Yitai, YANG Zhao, et al . Fuzzy comprehensive evaluation method of wind power generation unit[J]. Acta Energiae Solaris Sinica, 2004, 25(2): 177-181.
[8] 杨志超,张成龙,葛乐,等. 基于熵权法的绝缘子污闪状态模糊综合评价[J]. 电力自动化设备,2014,34（4）：90-94.
YANG Zhichao, ZHANG Chenglong, GE Le, et al. Comprehensive fuzzy evaluation based on entropy weight method for insulator flashover pollution[J]. Electric Power Automation Equipment,2014, 34(4): 90-94.
[9] 李德毅,刘常昱. 论正态云模型的普适性[J]. 中国工程科学,2004,6（8）：28-34.
LI Deyi, LIU Changyu. Study on the universality of the normal cloud model [J]. Engineering Science, 2004, 6(8): 28-34.
[10] SAFARI H, FAGHEYI M S, AHANGARI S S, et al . Applying PROMETHEE method based on entropy weight for supplier selection[J]. Business Management and Strategy, 2012, 3(1): 97-106.
[11] XU Zeshui, LIAO Huchang. Intuitionistic fuzzy analytic hierarchy process[J]. IEEE Transactions on Fuzzy Systems, 2014, 22(4):749-761.
[12] 卢绪祥,李录平,张晓玲,等. 基于相对劣化度模型的大型汽轮机状态综合评价[J]. 动力工程,2006,26（4）：507-510.
LU Xuxiang, LI Luping, ZHANG Xiaoling, et al . Comprehensive state evaluation of large steam turbines based on relative inferiority degree models[J]. Journal of Power Engineering, 2006, 26(4): 507-510.
[13] LI Hui, HU Yaogang, YANG Chao, et al . An improved fuzzy synthetic condition assessment of a wind turbine generator system[J]. Electrical Power and Energy Systems, 2013, 45(1): 468-476.
[14] 张路朋,赵洪山. 基于时间延迟的风机齿轮箱状态优化维修[J]. 中国电力,2014,47（11）：108-111.
ZHANG Lupeng, ZHAO Hongshan. Optimized condition based maintenance for gearbox of wind turbine based on time-delay [J].Electric Power, 2014, 47(11): 108-111.

[1]	任明, 李乾宇, 夏昌杰, 董明. 基于稀疏光谱成像的线路复合绝缘子积污状态可视化评估[J]. 中国电力, 2025, 58(2): 203-215.
[2]	李丹, 秦世耀, 李少林, 贺敬. 基于混沌粒子群的双馈风电机组LVRT实测建模及暂态参数辨识[J]. 中国电力, 2024, 57(8): 75-84.
[3]	夏向阳, 谭欣欣, 单周平, 李辉, 徐志强, 吴晋波, 岳家辉, 陈贵全. 储能电站锂离子电池本体安全关键技术及新技术应用情况[J]. 中国电力, 2024, 57(11): 1-17.
[4]	赵晶晶, 杜明, 刘帅, 李梓博, 马闻鹤. 基于模型预测控制的双馈风电机组调频与转子转速恢复策略[J]. 中国电力, 2023, 56(6): 11-17.
[5]	李博浩, 郭昆丽, 吕家君, 蔡维正, 刘璐豪, 刘凤仪, 郝翊帆. 弱电网下改进LADRC抑制直驱风机次同步振荡研究[J]. 中国电力, 2023, 56(4): 56-67.
[6]	李冰, 白云山, 赵宽, 郭聪彬, 翟永杰. 基于HSCA-YOLOv7的风电机组叶片表面缺陷检测算法[J]. 中国电力, 2023, 56(10): 43-52.
[7]	马海飞, 滕伟, 彭迪康, 柳亦兵, 靳涛. 基于DRS与改进Autogram的风电齿轮箱复合故障特征提取[J]. 中国电力, 2023, 56(10): 71-79.
[8]	王磊, 柳亦兵, 滕伟, 黄心伟, 刘剑韬. 风电机组叶片无损检测技术研究与进展[J]. 中国电力, 2023, 56(10): 80-95.
[9]	吴宇辉, 张扬帆, 高峰, 王玙, 王耀函, 杨伟新, 张鸿. 基于工作模态分析的风电机组叶片裂纹损伤在线监测研究[J]. 中国电力, 2023, 56(10): 106-114.
[10]	张朋, 张健, 杨航, 曲利民, 刘贺千, 于沐禾. 基于改进NSGA多目标值优化的油纸绝缘状态评估方法[J]. 中国电力, 2023, 56(10): 124-132.
[11]	黎冲, 王成辉, 王高, 鲁宗虎, 马成智. 基于数据驱动的锂离子电池健康状态估计技术[J]. 中国电力, 2022, 55(8): 73-86,95.
[12]	王宇航, 王文玲, 周绪红, 王康, 罗崯滔. 海上风电机组格构式浮式基础结构优化及响应分析[J]. 中国电力, 2022, 55(5): 21-31.
[13]	郭国栋, 龚雁峰, 吴迪, 潘建乔, 余方召, 潘白浪, 李欢. 引入HoloLens进行信息融合与数据挖掘的新型巡检方式及体验[J]. 中国电力, 2021, 54(7): 208-216.
[14]	滕伟, 黄乙珂, 吴仕明, 柳亦兵. 基于XGBoost与LSTM的风力发电机绕组温度预测[J]. 中国电力, 2021, 54(6): 95-103.
[15]	杨蕾, 王智超, 周鑫, 李胜男, 和鹏, 向川, 张杰, 王德林. 大规模双馈风电机组并网频率稳定控制策略[J]. 中国电力, 2021, 54(5): 186-194.

基于最优权重和隶属云的风电机组状态模糊综合评估

Fuzzy Comprehensive Assessment of Wind Turbines Status Based on Optimal Weight and Membership Cloud

RichHTML

PDF (PC)

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

模态框（Modal）标题

基于最优权重和隶属云的风电机组状态模糊综合评估

Fuzzy Comprehensive Assessment of Wind Turbines Status Based on Optimal Weight and Membership Cloud

RichHTML

PDF (PC)

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics