刘帅 刘长良 甄成刚

摘 要：针对风电机组故障预警中，原始动态时间规整（DTW）算法无法有效度量风电机组多变量时间序列数据之间距离的问题，提出一种基于犹豫模糊集的动态时间规整（HFS-DTW）算法。该算法是原始DTW算法的一种扩展算法，可对单变量和多变量时间序列数据进行距离度量，且精度与速度较原始DTW算法更优。以子时间序列相似度距离为目标函数，使用帝国竞争算法（ICA）优化了HFS-DTW算法中的子序列长度和步距参数。算例研究表明与仅DTW算法和非参数最优的HFS-DTW算法相对比，参数最优的HFS-DTW可挖掘更多的多维特征点信息，输出的多维特征点相似序列具有更丰富细节;且基于所提算法可提前10天预警风电机组齿轮箱故障。

关键词：风电机组;故障预警;犹豫模糊集;帝国竞争算法;动态时间规整

中图分类号：TP206.3

文献标志码：A

文章编号：1001-9081（2019）04-1229-05

Abstract： For wind turbine fault warning， original Dynamic Time Warping （DTW） algorithm cannot measure the distance effectively between two multivariate time series data of wind turbines. Aiming at this problem， a DTW algorithm based on Hesitation Fuzzy Set （HFS-DTW） was proposed. The algorithm is an extended algorithm of the original DTW algorithm， which can measure the distance of both univariate and multivariate time series data， and has higher accuracy and speed compared to the original DTW algorithm. With the sub-sequence similarity distance applied as cost function， the length of sub-sequence and step parameters in HFS-DTW algorithm were optimized by using Imperialist Competitive Algorithm （ICA）. The study shows that compared to the only DTW algorithm and the HFS-DTW algorithm with non-optimal parameter， the HFS-DTW with optimal parameter can mine more information on multi-dimensional feature point， and the output multi-dimensional feature point similar sequence has more details. And based on the proposed algorithm， the wind turbine gearbox fault can be warned 10 days in advance.

Key words： wind turbine; fault warning; Hesitant Fuzzy Set （HFS）; imperialist competitive algorithm; Dynamic Time Warping （DTW）

0 引言

依据《中华人民共和国国民经济和社会发展第十三个五年规划纲要》，国家发改委、能源局积极引导风电产业。截至2018年6月底，我国风电装机超过1.7亿千瓦，所贡献电力约占全国总电力近4.8%。由于“抢装”潮在各地泛滥，部分地区的风电规模已经超出2020年规划目标。

大量新风场的部署、建成标志着漫长运维工作的开端;若按5年质保期算，后续几年将有大批已安装的风电机组相继出质保期。这两项因素给风电机组运维工作带来巨大压力，但目前精准的预测性风电运维技术、通用的运维平台尚未成熟，日益增长的运维需求和较为滞后的运维技术发展之间的矛盾愈加凸显。……