The invention belongs to the field of wind turbine, and discloses a state reliability evaluation method of wind turbine. This method extracts the performance degradation law of the equipment according to the degradation data of the wind turbine performance index, and improves the hidden Markov model by using the law of degradation to obtain the state transfer probability matrix with degenerate characteristics and obtain the equipment. State probability and reliability. The invention can be used to analyze the reliability of mechanical equipment with degenerate characteristics, avoid the dependence of the traditional reliability analysis method on large sample data, and realize the reliability evaluation of the wind turbine under the small sample condition. The reliability evaluation result can provide reference for the safe operation of the same kind of equipment, and it can also be used for maintenance. The strategy optimization provides the basis.
【技术实现步骤摘要】
一种风力机状态可靠性评估方法
本专利技术属于风力机领域,更具体地,涉及一种风力机状态可靠性评估方法。
技术介绍
风力机机械部件具有性能退化特性,其可靠性随着时间推移逐渐下降,准确评价可靠性是开展维修优化的重要依据。现有的设备可靠性评价方法主要是基于大样本的统计,设备的可靠性分析以大量试验或运行数据为基础,通过统计分析得到设备的故障时间分布规律。然而,对于近些年才大规模发展的风力机,运行时间不长,监测系统不完善,目前面临缺乏充足的统计数据的困境,导致风力机的可靠性数据缺乏。且风力机是大型设备,机械结构复杂,由于不同风场的气象资源条件和维护方式不同,导致不同地区的风力机寿命存在差别。因此,大样本统计的可靠性评价方法不适合大型风力机。
技术实现思路
针对现有技术的以上缺陷或改进需求,本专利技术提供了一种风力机状态可靠性评估方法,其可用于具有退化特性的机械设备的可靠性分析,它避免了传统可靠性分析方法对大样本数据的依赖性,实现了在小样本条件下对设备的状态可靠性评估,其可靠性评估结果可为同类设备的安全运行提供参考,也可为维修策略优化提供依据。为实现上述目的,按照本专利技术,提供了一种风力机状态可靠性评估方法,其特征在于,包括以下步骤:1)对风力机性能指标退化数据预处理:对明显错误的性能指标数据进行剔除,然后选取风力机劣化期的性能指标退化数据作为性能指标退化数据;2)将隐马尔可夫模型应用于风力机的多态可靠性评估:把风力机的健康状态作为隐马尔可夫模型的隐状态,将步骤1)得到的进入劣化期的风力机性能指标退化数据作为可观测值,采用健康状态之间的转移关系定义状态转移概率矩阵,健康状 ...
【技术保护点】
一种风力机状态可靠性评估方法,其特征在于,包括以下步骤:1)对风力机性能指标退化数据预处理:对明显错误的性能指标数据进行剔除,然后选取风力机劣化期的性能指标数据作为性能指标退化数据;2)将隐马尔可夫模型应用于风力机的多态可靠性评估:把风力机的健康状态作为隐马尔可夫模型的隐状态,将步骤1)得到的进入劣化期的风力机性能指标退化数据作为可观测值,采用健康状态之间的转移关系定义状态转移概率矩阵,健康状态与性能指标的映射关系作为观察值概率矩阵;基于步骤1)得到的进入劣化期的性能指标退化数据的退化规律对状态转移概率矩阵进行改进,得到具有性能退化特征的状态转移概率矩阵,从而实现对风力机的可靠性评估。
【技术特征摘要】
1.一种风力机状态可靠性评估方法,其特征在于,包括以下步骤:1)对风力机性能指标退化数据预处理:对明显错误的性能指标数据进行剔除,然后选取风力机劣化期的性能指标数据作为性能指标退化数据;2)将隐马尔可夫模型应用于风力机的多态可靠性评估:把风力机的健康状态作为隐马尔可夫模型的隐状态,将步骤1)得到的进入劣化期的风力机性能指标退化数据作为可观测值,采用健康状态之间的转移关系定义状态转移概率矩阵,健康状态与性能指标的映射关系作为观察值概率矩阵;基于步骤1)得到的进入劣化期的性能指标退化数据的退化规律对状态转移概率矩阵进行改进,得到具有性能退化特征的状态转移概率矩阵,从而实现对风力机的可靠性评估。2.根据权利要求1所述的一种风力机状态可靠性评估方法,其特征在于,步骤1)中,异常数据剔除的具体过程如下:定义性能退化率:其中,(t1,y1),(t2,y2),…,(ti,yi),…,(tn,yn)为等时间间隔采集的n组风力机性能指标数据,yi为ti时刻的性能指标数据的实测值,且1≤i≤n,yn为风力机故障停机时的监测数据;ζi表示第i段性能退化率;异常值的判据为:其中,Δζi为性能退化率相对增量,为性能退化率相对增量序列Δζ=[Δζ1,Δζ2,…,Δζn-2]的平均值,Ui为Δζi的残余误差,σ为退化率序列Δζ的标准差,Δζi反映了性能退化的变化方向,当Δζi为正说明风力机性能在加剧劣化,当Δζi为负说明风力机性能劣化趋势在减弱;如果性能退化率增量的残余误差的相反值大于3倍标准差,即同时满足Δζi<0和-Ui>3σ时,则说明此时出现了性能退化率急剧负增长,认为该点性能指标退化数据异常,应予以剔除。3.根据权利要求1所述的一种风力机状态可靠性评估方法,其特征在于,步骤1)中,采用绝对阈值法判断风力机是否进入劣化期,具体过程如下:(t1,y1),(t2,y2),…,(ti,yi),…,(tn,yn)为等时间间隔采集的n组风力机性能指标数据,其中yi为ti时刻的风力机性能指标数据的实测值,且1≤i≤n,当性能指标数据yi超过劣化阈值时,认为风力机进入劣化期,即:yi≥y*(3)其中,y*表示风力机性能指标的性能退化阈值,则得到进入劣化期的性能指标退化数据(td,yd)…,(tj,yj)…,(tn,yn),其中1<d<n,d≤j≤n。4.根据权利要求1所述的一种风力机状态可靠性评估方法,其特征在于,采用退化速率法判断风力机是否进入劣化期,具体过程如下:定义只有连续两个测点退化率ζi和ζi+1超过规定的性能退化率阈值,才认为进入性能退化区间,即满足判据:(ζi≥ζ*)∧(ζi+1≥ζ*)=1(4)其中,ζ*为性能退化率阈值,得到进入劣化期的性能指标退化数据(td,yd)…,(tj,yj)…,(tn,yn),其中1<d<n,,d≤j≤n,1≤i≤n。5.根据权利要求3所述的一种风力机状态可靠性评估方法,其特征在于,步骤2)风力机的隐马尔可夫模型为:λ={SOπ(td)AB}(5)其中,S=[S1,S2,…,SN]为隐马尔可夫模型隐状态,N为隐状态数目,该隐马尔可夫模型中令N=4,将风力机健康状态划分为正常、异常、退化、故障四个不同的状态,即S=[S1,S2,S3,S4];O=[O(td),O(td+1),…,O(tj),…,O(tn)]为可观测序列,且O(tj)∈{Gm},Gm是步骤1)中风力机劣化期性能指标退化数据(td,yd)…,(tj,yj)…,(tn,yn)对应的性能等级,其中1<d<n,d≤j≤n,Gm=[1,2,…,M],M表示可观测性能指标划分的等级数。以运行阈值为界将风力机性能指标数据划分为M(M=5)个等级,表示为Gm=[1,2,3,4,5],各时刻tj的性能等级通过对整个劣化期均分得到:A=(apq)N×N为状态转移概率矩阵,apq=P(Sq|Sp)表示风力机从隐状态Sp转移到隐状态Sq的概率,B=(bqm)N×M为观察值概率矩阵,bqm=P(Ot=Gm|Sq)表示风力机处于隐状态Sq的情况下性能指标退化数据处于等级Gm的概率,π(td)=[π(td)S1,π(td)S2,…,π(td)SN](N=4)为风力机初始时刻td隐状态概率分布向量,表示初始时刻风力机处于不同隐状态的概率。6.根据权利要求1所述的一种风力机状态可靠性评估方法,其特征在于,步骤2)中,隐马尔可夫模型的状态转移概率矩阵A为:式中状态转移概率矩阵A为4×4矩阵,由Balum-welch算法训练得到,且每个状态向所有状态转移的概率之和为1。其中状态转移只能朝着劣化方向转移,即p>q,apq=0,且由于风力机退化过程的渐变性和连续性,...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。