【技术实现步骤摘要】
一种基于轴承温度模型的风电机组故障预测方法
本专利技术涉及一种风电机组故障预测方法，特别是涉及一种基于轴承温度模型的风电机组故障预测方法，属于状态监测与故障诊断
技术介绍
随着时代的进步和人类环保意识的提升，对可再生清洁能源的开发和利用越来越受到国际社会的重视。为世界范围内技术最成熟、最具规模化商业开发潜力的新能源之一，风能具有蕴藏量丰富、可再生、分布广、无污染等特性，具备规模化开发利用价值。风能作为一种储量丰富、可再生、零排放的清洁能源，风力发电技术已经成为各国争相发展的重要领域，并且已经被提升到了国家战略的高度。近年来风力发电经历了爆炸式的增长，根据全球风能理事会(GWEC)发布的2016风电发展报告统计，截止2016年全球风力发电机组装机总量已经达到486.79GW，其中中国全年新增装机容量23370MW，截止16年底全国装机总容量达168.732GW，预计到2020年我国风电装机容量将达到200GW。在风电装机容量迅猛增长、风电市场特别是海上风电的快速发展的同时，机组事故率在逐年增加。由于风力发电机组经常运行在高海拔或者海上等环境恶劣的偏远地区，...
【技术保护点】
1.一种基于轴承温度模型的风电机组故障预测方法，其特征在于，包括以下步骤：1)根据风电机组的故障监测目标选取轴承；2)从风电机组内SCADA系统获取SCADA运行数据，对SCADA运行数据进行分析，并应用主成分分析法选定轴承温度模型的建模参数；其中，SCADA运行数据包括历史运行数据和当前运行数据，所述历史运行数据包括历史健康状态运行数据；3)基于径向基函数神经网络与线性回归分析方法，根据历史健康状态运行数据建立健康状态轴承温度的线性回归径向基函数神经网络预测模型、即LRRBF预测模型；4)基于LRRBF预测模型，根据当前运行数据计算实际运行状态下的轴承温度预测值；5)计算...
【技术特征摘要】
1.一种基于轴承温度模型的风电机组故障预测方法，其特征在于，包括以下步骤：1)根据风电机组的故障监测目标选取轴承；2)从风电机组内SCADA系统获取SCADA运行数据，对SCADA运行数据进行分析，并应用主成分分析法选定轴承温度模型的建模参数；其中，SCADA运行数据包括历史运行数据和当前运行数据，所述历史运行数据包括历史健康状态运行数据；3)基于径向基函数神经网络与线性回归分析方法，根据历史健康状态运行数据建立健康状态轴承温度的线性回归径向基函数神经网络预测模型、即LRRBF预测模型；4)基于LRRBF预测模型，根据当前运行数据计算实际运行状态下的轴承温度预测值；5)计算得到轴承温度预测值与实际运行值之间的残差，使用滑动窗口法进行残差分析；如果残差均值超过预设的置信区间，则判断故障监测目标出现故障，从而实现风电机组的故障预测。2.根据权利要求1所述的一种基于轴承温度模型的风电机组故障预测方法，其特征在于：所述步骤1)中的轴承选定为发电机前轴承。3.根据权利要求1所述的一种基于轴承温度模型的风电机组故障预测方法，其特征在于：所述步骤1)中的故障监测目标包括发电机和齿轮箱的机组部件。4.根据权利要求1所述的一种基于轴承温度模型的风电机组故障预测方法，其特征在于：所述步骤2)中的主成分分析法，具体为，在影响轴承温度的总数为p个的主成分(y1,y2,…,yi,…,yk,…,yp)；i,k∈[1,p]中，第k个主成分yk的贡献率αk为其中，λk表示第k个主成分yk的特征值、即yk的方差，λi表示第i个主成分yi的特征值、即yi的方差，p为自然数；根据贡献率排名，排名前m个主成分(y1,y2,…,ym)；m∈[1,p]的累计贡献率γ为其中，αi表示第i个主成分yi的贡献率。5.根据权利要求4所述的一种基于轴承温度模型的风电机组故障预测方法，其特征在于：所述步骤2)中的建模参数的选定要求为应用主成分分析法所得的计算结果中累计贡献率γ≥85％的测量参数。6.根据权利要求1所述的一种基于轴承温度模型的风电机组故障预测方法，其特征在于：所述步骤2)中的建模参数选定为发电机输出有功功率、机舱内温度、高速轴后轴承温度、高速轴前轴承温度、发电机定子温度和高速...
【专利技术属性】
技术研发人员：许昌，丁佳煜，葛立超，雷娇，潘航平，许帅，杨杰，郝辰妍，
申请(专利权)人：河海大学，
类型：发明
国别省市：江苏,32
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。