郑小霞，李美娜，王 靖，任浩翰，符 杨



基于PSO优化核主元分析的海上风电机组运行工况分类

郑小霞1，李美娜1，王 靖2，任浩翰2，符 杨1

(1.上海电力学院自动化工程学院，上海 200090；2.上海东海风力发电有限公司，上海 200090)

海上风电机组运行环境复杂多变，对其工况进行分类可以提高机组运行健康状态评价的准确性，为制定合理的运行维护策略提供可靠依据。提出一种基于PSO优化核主元分析(KPCA)的多参数工况分类方法。针对核函数参数难以确定的问题，综合考虑类内散度和类间散度构建优化核参数的适应度函数，应用PSO算法对其进行寻优，将优化后的KPCA用于数据的特征提取，在此基础上采用模糊C-均值聚类(FCM)建立分类模型。通过对UCI数据库中的三组实验数据进行分类验证了该方法的有效性。最后，应用该方法对某海上风电场实测数据进行工况分类，并与PCA+FCM、KPCA+FCM两种方法进行比较。结果表明，提出方法的分类结果优于其他两种，能够得到清晰准确的分类结果，利于分工况建立准确的机组运行健康状态评价模型。

海上风电机组；工况分类；PSO；核主元分析；类别可分性；模糊C-均值聚类

0 引言

随着风电资源的大规模开发，海上风电因具有风能资源能量效益高，海上风湍流强度小，不占用宝贵的土地资源等优势在全球范围内得到大力发展。风电机组运行状态具有复杂多变的特点，而海上风电机组面临着强风载荷、海水腐蚀和波浪冲击等更加恶劣的运行环境[1]，机组的运行工况更加复杂多变，并且风机故障率较高，一旦故障停运时间更长，因此机组的运行维护成本更大、难度更高。……