一種風(fēng)電機(jī)組齒輪箱狀態(tài)監(jiān)測(cè)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于風(fēng)電機(jī)組狀態(tài)監(jiān)測(cè)技術(shù)領(lǐng)域，特別涉及一種風(fēng)電機(jī)組齒輪箱狀態(tài)監(jiān)測(cè) 方法。
【背景技術(shù)】
[0002] 風(fēng)能是可再生能源中發(fā)展最快且最具有商業(yè)開(kāi)發(fā)價(jià)值的清潔能源，據(jù)世界風(fēng)能協(xié) 會(huì)統(tǒng)計(jì)，截止到2013年底，我國(guó)風(fēng)電總裝機(jī)容量達(dá)到91GW，位列全球首位。由于風(fēng)電機(jī)組 運(yùn)行條件惡劣，經(jīng)常受極端天氣影響，機(jī)組部件會(huì)隨累計(jì)運(yùn)行時(shí)間的增加不斷老化、發(fā)生故 障，導(dǎo)致風(fēng)電場(chǎng)運(yùn)行和維護(hù)費(fèi)用居高不下。據(jù)統(tǒng)計(jì)，風(fēng)電機(jī)組齒輪箱相關(guān)故障造成停機(jī)時(shí)間 最長(zhǎng)，對(duì)電力生產(chǎn)影響最大。因此，對(duì)風(fēng)電機(jī)組齒輪箱的運(yùn)行狀態(tài)進(jìn)行監(jiān)測(cè)與分析，盡早發(fā) 現(xiàn)故障征兆，進(jìn)而指導(dǎo)風(fēng)電場(chǎng)制定合理的維護(hù)時(shí)間和方案，對(duì)于降低風(fēng)電場(chǎng)運(yùn)維成本、提高 風(fēng)電場(chǎng)運(yùn)營(yíng)效益是非常有必要的。
[0003] 由于風(fēng)電機(jī)組齒輪箱故障成因與征兆映射關(guān)系呈現(xiàn)不確定性與復(fù)雜性，采用何種 方法和手段合理地監(jiān)測(cè)其運(yùn)行狀態(tài)，成為了當(dāng)前的研宄熱點(diǎn)與難點(diǎn)。現(xiàn)有對(duì)風(fēng)電機(jī)組齒輪 箱的狀態(tài)監(jiān)測(cè)與故障診斷多采用振動(dòng)分析、油液分析技術(shù)。傳統(tǒng)的振動(dòng)監(jiān)測(cè)方法大致可歸 為三類(lèi)：第一類(lèi)為時(shí)域統(tǒng)計(jì)特征值及無(wú)量綱參數(shù)；第二類(lèi)為頻域分析方法，如頻譜分析、倒 頻譜分析、細(xì)化譜分析、解調(diào)分析等；第三類(lèi)為時(shí)頻域分析方法，如窗口傅里葉變換、小波分 析、EMD等方法?；谀Ｊ阶R(shí)別技術(shù)的智能診斷方法也越來(lái)越多地應(yīng)用于設(shè)備狀態(tài)監(jiān)測(cè)。油 液監(jiān)測(cè)技術(shù)主要通過(guò)分析設(shè)備潤(rùn)滑油和液壓油本身性能和所含顆粒數(shù)來(lái)診斷部件的運(yùn)行 狀態(tài)，常用手段包括鐵譜分析、光譜分析、理化分析等。
[0004] 振動(dòng)信號(hào)分析需要額外布置傳感器，增加了風(fēng)電場(chǎng)的運(yùn)營(yíng)成本；傳統(tǒng)振動(dòng)分析技 術(shù)難以適用于風(fēng)電機(jī)組載荷時(shí)變的運(yùn)行工況；基于模式識(shí)別的智能診斷技術(shù)往往依賴(lài)于足 夠多的故障樣本；基于油液監(jiān)測(cè)的技術(shù)需要額外設(shè)備進(jìn)行油品檢測(cè)，且難以實(shí)現(xiàn)風(fēng)電機(jī)組 齒輪箱運(yùn)行狀態(tài)的實(shí)時(shí)監(jiān)測(cè)。

【發(fā)明內(nèi)容】

[0005] 為了克服上述風(fēng)電機(jī)組齒輪箱狀態(tài)監(jiān)測(cè)技術(shù)中需要額外布置傳感器、或使用專(zhuān)門(mén) 油品檢測(cè)設(shè)備等造成成本尚的缺點(diǎn)，以及載荷時(shí)變和故障樣本不足等造成的實(shí)時(shí)狀態(tài)監(jiān)測(cè) 效果差的問(wèn)題，本發(fā)明提供一種風(fēng)電機(jī)組齒輪箱狀態(tài)監(jiān)測(cè)方法，包括：
[0006] S1，收集風(fēng)電機(jī)組數(shù)據(jù)采集與監(jiān)視控制SCADA系統(tǒng)的歷史數(shù)據(jù)，作為訓(xùn)練樣本數(shù) 據(jù)建立基于最小二乘支持向量回歸機(jī)LSSVR模型的風(fēng)電機(jī)組齒輪箱油溫映射模型；
[0007] S2,根據(jù)所述風(fēng)電機(jī)組齒輪箱油溫映射模型得到齒輪箱油溫的預(yù)測(cè)值；
[0008] S3,取所述步驟S2的所述齒輪箱油溫的預(yù)測(cè)值與實(shí)測(cè)值的商為判別指數(shù)GHI，如 果所述判別指數(shù)GHI在設(shè)定閾值之內(nèi)，則所述風(fēng)電機(jī)組齒輪箱正常，反之所述風(fēng)電機(jī)組齒 輪箱存在潛伏故障并進(jìn)行報(bào)警。
[0009] 在本發(fā)明中，所述判別指數(shù)GHI設(shè)定的閾值為0. 9至1. 1，可以將判別指數(shù)GHI設(shè) 定的閾值調(diào)整為0. 8至1. 2以放寬驗(yàn)證范圍；也可以將判別指數(shù)GHI設(shè)定的閾值調(diào)整為 0. 95至1. 05以嚴(yán)格監(jiān)測(cè)風(fēng)電機(jī)組齒輪箱運(yùn)行狀態(tài)。
[0010] 其中，所述SCADA系統(tǒng)的歷史數(shù)據(jù)包括：有功功率、風(fēng)速、機(jī)艙溫度、主軸轉(zhuǎn)速和齒 輪箱油溫；所述有功功率、風(fēng)速、機(jī)艙溫度、主軸轉(zhuǎn)速為所述風(fēng)電機(jī)組齒輪箱油溫映射模型 的輸入數(shù)據(jù)；所述齒輪箱油溫為所述風(fēng)電機(jī)組齒輪箱油溫映射模型的輸出數(shù)據(jù)。
[0011] 所述風(fēng)電機(jī)組齒輪箱油溫映射模型包括：向量集InputiQnputi,input2,input3,i nput4)和向量集Output^其中;1即111:1、;[即111:2、;[即111:3、;[即111:4分別為第;[時(shí)刻的有功功率、 風(fēng)速、機(jī)艙溫度和主軸轉(zhuǎn)速，Output為第i時(shí)刻齒輪箱油溫；
[0012] 優(yōu)選的，所述風(fēng)電機(jī)組齒輪箱油溫映射模型還包括：懲罰系數(shù)C和核參數(shù)〇。
[0013] 本發(fā)明采用引力搜索算法優(yōu)化所述風(fēng)電機(jī)組齒輪箱油溫映射模型，其步驟包括：
[0014] S1-1，設(shè)定一個(gè)n維空間的引力系統(tǒng)中有N個(gè)粒子，定義第i個(gè)粒子的位置為 岑=(x)，L <),i= 1，2，LN，式中為第i個(gè)粒子在第d維中的位置；
[0015]S1-2,隨機(jī)初始化所述懲罰系數(shù)C和核參數(shù)〇，作為引力搜索算法中粒子的初始 位置；
[0016] S1-3,由粒子位置計(jì)算適應(yīng)度函數(shù)
【主權(quán)項(xiàng)】
1. 一種風(fēng)電機(jī)組齒輪箱狀態(tài)監(jiān)測(cè)方法，其特征在于，包括： S1，收集風(fēng)電機(jī)組數(shù)據(jù)采集與監(jiān)視控制SCADA系統(tǒng)的歷史數(shù)據(jù)，作為訓(xùn)練樣本數(shù)據(jù)建 立基于最小二乘支持向量回歸機(jī)LSSVR模型的風(fēng)電機(jī)組齒輪箱油溫映射模型； 52, 根據(jù)所述風(fēng)電機(jī)組齒輪箱油溫映射模型得到齒輪箱油溫的預(yù)測(cè)值； 53, 取所述步驟S2的所述齒輪箱油溫的預(yù)測(cè)值與實(shí)測(cè)值的商為判別指數(shù)GHI，如果所 述判別指數(shù)GHI在設(shè)定閾值之內(nèi)，則所述風(fēng)電機(jī)組齒輪箱正常，反之所述風(fēng)電機(jī)組齒輪箱 存在潛伏故障并進(jìn)行報(bào)警。
2. 根據(jù)權(quán)利要求1所述的風(fēng)電機(jī)組齒輪箱狀態(tài)監(jiān)測(cè)方法，其特征在于，所述SCADA系 統(tǒng)的歷史數(shù)據(jù)包括：有功功率、風(fēng)速、機(jī)艙溫度、主軸轉(zhuǎn)速和齒輪箱油溫；所述有功功率、風(fēng) 速、機(jī)艙溫度、主軸轉(zhuǎn)速為所述風(fēng)電機(jī)組齒輪箱油溫映射模型的輸入數(shù)據(jù)；所述齒輪箱油溫 為所述風(fēng)電機(jī)組齒輪箱油溫映射模型的輸出數(shù)據(jù)。
3. 根據(jù)權(quán)利要求2所述的風(fēng)電機(jī)組齒輪箱狀態(tài)監(jiān)測(cè)方法，其特征在于，所述風(fēng)電機(jī) 組齒輪箱油溫映射模型包括：向量集Inputs(inputsinput2,input3,input4)和向量集 Output^其中inputsinput2、input3、input4*別為第i時(shí)刻的有功功率、風(fēng)速、機(jī)艙溫度 和主軸轉(zhuǎn)速，Output為第i時(shí)刻齒輪箱油溫； 優(yōu)選的，所述風(fēng)電機(jī)組齒輪箱油溫映射模型還包括：懲罰系數(shù)C和核參數(shù)〇。
4. 根據(jù)權(quán)利要求1-3任一項(xiàng)所述的風(fēng)電機(jī)組齒輪箱狀態(tài)監(jiān)測(cè)方法，其特征在于，采用 引力搜索算法優(yōu)化所述風(fēng)電機(jī)組齒輪箱油溫映射模型； 優(yōu)選的，采用引力搜索算法優(yōu)化所述風(fēng)電機(jī)組齒輪箱油溫映射模型的步驟為： S1-1，設(shè)定一個(gè)n維空間的引力系統(tǒng)中有N個(gè)粒子，定義第i個(gè)粒子的位置為 足=(x)，Lxf，L<)，i= 1，2，LN，式中為第i個(gè)粒子在第d維中的位置； S1-2,隨機(jī)初始化所述懲罰系數(shù)C和核參數(shù)〇 ,作為引力搜索算法中粒子的初始位置； S1-3,由粒子位置計(jì)算適應(yīng)度函
求解適應(yīng)度函數(shù)的極大值；式 中：K為所述訓(xùn)練樣本數(shù)；gi為所述訓(xùn)練樣本中所述齒輪箱油溫的預(yù)測(cè)數(shù)據(jù)；t為所述訓(xùn)練 樣本中所述齒輪箱油溫的預(yù)期輸出；E為任意大于0的實(shí)數(shù)； S1-4,計(jì)算粒子i在t時(shí)刻的質(zhì)量Mjt);并根據(jù)粒子的質(zhì)量計(jì)算粒子所受引力合力；S1-5,進(jìn)行粒子加速度、速度和位置更新； S1-6,重復(fù)步驟S1-3至S1-5直至滿足最大迭代次數(shù)，求得所述風(fēng)電機(jī)組齒輪箱油溫映 射模型懲罰系數(shù)C和核參數(shù)〇的最優(yōu)組合； 優(yōu)選的，所述最大迭代次數(shù)為50-100。
5. 根據(jù)權(quán)利要求4所述的風(fēng)電機(jī)組齒輪箱狀態(tài)監(jiān)測(cè)方法，其特征在于，所述步驟S1-4 中計(jì)算粒子i在t時(shí)刻的質(zhì)量％ (t)的方法為： 根據(jù)3
致
其中，fiti(t)為 在t時(shí)刻粒子i的適應(yīng)度函數(shù)值。
6. 根據(jù)權(quán)利要求4所述的風(fēng)電機(jī)組齒輪箱狀態(tài)監(jiān)測(cè)方法，其特征在于，所述步驟Sl-4 中根據(jù)粒子的質(zhì)量計(jì)算粒子所受引力合力的方法為： 在第d維空間上，第i個(gè)粒子受到其它粒子引力合力的作用，用各粒子引力的隨機(jī)加權(quán) 和表不：
式中：rand為范圍在[0, 1]間的任意數(shù)； #(0為在第d維空間上，第i個(gè)粒子受到第j個(gè)粒子的作用力； 優(yōu)選的，<(〇的計(jì)算式為：
其中，e為接近〇的常量；G(t)為t時(shí)刻的引力常數(shù)；和<⑴分別為粒子i和 j在第d維空間上的位置；| | \⑴，X」⑴| 12為粒子i和j的歐氏距離； 優(yōu)選的，所述引力常數(shù)G(t)的計(jì)算式為：
式中：6^= 100;a 20 ;T為最大迭代次數(shù)；t為當(dāng)前迭代次數(shù)。
7. 根據(jù)權(quán)利要求4所述的風(fēng)電機(jī)組齒輪箱狀態(tài)監(jiān)測(cè)方法，其特征在于，根據(jù)式
在基于牛頓第二定理計(jì)算在第d維空間上，計(jì)算所述步驟S1-5中，所述粒子i在引力 合力作用下的加速度。
8. 根據(jù)權(quán)利要求4所述的風(fēng)電機(jī)組齒輪箱狀態(tài)監(jiān)測(cè)方法，其特征在于，所述步驟S1-5 中，粒子速度和位置更新的計(jì)算式：
其中，為粒子i在第d維空間上的位置，vf為粒子i在第d維空間上的速度。
9. 根據(jù)權(quán)利要1所述的風(fēng)電機(jī)組齒輪箱狀態(tài)監(jiān)測(cè)方法，其特征在于，在所述步驟S1中， 根據(jù)收集到的風(fēng)電機(jī)組數(shù)據(jù)采集與監(jiān)視控制SCADA系統(tǒng)的歷史數(shù)據(jù)建立專(zhuān)家?guī)?；將所述?zhuān) 家?guī)斓臄?shù)據(jù)作為訓(xùn)練數(shù)據(jù)。
10. 根據(jù)權(quán)利要求1-9任一項(xiàng)所述的風(fēng)電機(jī)組齒輪箱狀態(tài)監(jiān)測(cè)方法，其特征在于，所述 判別指數(shù)GHI的閾值為0. 8至1. 2 ; 優(yōu)選的，所述判別指數(shù)GHI的閾值為0. 9至1. 1 ; 優(yōu)選的，所述判別指數(shù)GHI的閾值為0. 95至1. 05。
【專(zhuān)利摘要】本發(fā)明提供了一種風(fēng)電機(jī)組齒輪箱狀態(tài)監(jiān)測(cè)方法，其包括以下步驟：收集風(fēng)電機(jī)組SCADA系統(tǒng)歷史數(shù)據(jù)，篩選機(jī)組健康運(yùn)行工況下的有功功率、風(fēng)速、機(jī)艙溫度、主軸轉(zhuǎn)速和齒輪箱油溫，建立標(biāo)準(zhǔn)專(zhuān)家?guī)?；采用引力搜索算法?duì)最小二乘支持向量回歸機(jī)的懲罰系數(shù)與核參數(shù)進(jìn)行尋優(yōu)，基于優(yōu)化后的向量機(jī)模型，以專(zhuān)家?guī)熘械挠泄β?、風(fēng)速、機(jī)艙溫度、主軸轉(zhuǎn)速為輸入，齒輪箱油溫為輸出，建立健康工況下的齒輪箱油溫映射模型；用映射模型對(duì)風(fēng)電機(jī)組齒輪箱進(jìn)行實(shí)時(shí)監(jiān)測(cè)，將有功功率、風(fēng)速、機(jī)艙溫度、主軸轉(zhuǎn)速的實(shí)測(cè)值輸入，得到齒輪箱油溫的預(yù)測(cè)值，定義油溫預(yù)測(cè)值與實(shí)測(cè)值的商為判別指數(shù)，如果判別指數(shù)的統(tǒng)計(jì)特性發(fā)生異常，可認(rèn)為風(fēng)電機(jī)組齒輪箱存在故障并進(jìn)行報(bào)警。本發(fā)明可廣泛應(yīng)用于對(duì)風(fēng)電機(jī)組齒輪箱的早期預(yù)警。
【IPC分類(lèi)】G01M13-02
【公開(kāi)號(hào)】CN104614179
【申請(qǐng)?zhí)枴緾N201510041958
【發(fā)明人】龍泉, 徐強(qiáng), 李芬花, 王吉遠(yuǎn), 劉永前
【申請(qǐng)人】中國(guó)大唐集團(tuán)新能源股份有限公司
【公開(kāi)日】2015年5月13日
【申請(qǐng)日】2015年1月28日