一种考虑海洋气象因素的海上双馈风电机组故障判别方法技术

本发明专利技术涉及一种考虑海洋气象因素的海上双馈风电机组故障判别方法，包括以下步骤：1)根据海上双馈风电机组的状态变量和海洋气象因素历史数据获取每个变量对应的边缘分布函数，所述变量包括风速、功率、温度和湍流；2)构建每个变量的Copula密度函数模型，结合变量历史正常数据和故障数据，采用极大似然估计分别对每个Copula密度函数模型进行参数估计，获取最优的Copula密度函数模型；3)将待测试数据的核密度函数值和边缘分布函数值作为最优的Copula密度函数模型的输入，根据贝叶斯决策理论进行风机状态判别。与现有技术相比，本发明专利技术具有考虑全面、预测准确、提高使用寿命等优点。

A fault diagnosis method of offshore doubly fed wind turbine considering marine meteorological factors

【技术实现步骤摘要】
一种考虑海洋气象因素的海上双馈风电机组故障判别方法
本专利技术涉及海上风电机组运行维护领域，尤其是涉及一种考虑海洋气象因素的海上双馈风电机组故障判别方法。
技术介绍
近年来海上风电发展迅猛，呈现出深远海化、大规模化的特点，风电机组的安全稳定运行受到了人们的重视。与陆上风电相比，海上风电具有年利用小时数多、平均风速高、单机容量大等优点，但由于海上风电机组运行环境恶劣，海洋高湿度、强腐蚀、大风浪、浓盐雾等环境特点导致海上风电机组故障率更高，维护更困难，停运损失更大。因此，迫切需要及时精准地识别风机早期故障，避免故障恶化带来巨大损失，对海上风电机组安全稳定运行意义重大。现有海上风电机组的故障判别方法，大都基于数据采集与监控系统(SCADA)。主要分为3类：1)经典方法，即通过风电机组振动分析、油液分析、声发射技术、无损检测等动力学特征来进行故障诊断，曹梦楠等人在太阳能学报上发表了题为基于无迹卡尔曼方法的风电机组齿轮箱故障诊断的文章，该文提出了一种基于模型的无迹卡尔曼方法对齿轮箱传动效率下降和润滑油老化变质两种故障进行诊断。在两种故障使齿轮箱温升变化基本相同的条件下，该方法通过鉴别预测结果与实际结果之间残差的变化和趋势，成功检测两种故障模式。2)数据方法，即利用数学理论方法和分析工具处理风电机组的状态数据，从而进行故障诊断。郭慧东等人在中国电机工程学报上发表的题为基于数据挖掘的风电机组变桨系统劣化状态在线辨识方法的文章，该文提出用覆盖机组全工况范围的样本数据建立最小二乘支持向量机回归模型解决了传统预先设定阈值方法不能适应风电机组运行工况多变特点的难题，从而实现了实时跟踪风机的各种不同运行工况。3)智能学习方法，即在不过分依赖风电机组试验数据的情况下，基于在线监测的信息实现风电机组运行状态的评估。赵洪山等人在电力系统自动化上发表了题为基于堆叠自编码网络的风电机组发电机状态监测与故障诊断的文章，该文利用发电机SCADA状态变量数据构建堆叠自编码学习模型,利用该模型的输入与重构值计算重构误差，通过采用自适应阈值检测重构误差的状态趋势变化，并作为异常预警判定准则，从而实现对发电机故障的判定。由此可见，海上风机故障受海洋诸多环境因素影响巨大，但以上技术均未考虑海洋天气因素的影响。目前已有研究表明，风机运行状态与天气变化密切相关。QFan等人在20172ndInternationalConferenceonPowerandRenewableEnergy(ICPRE)上发表题为Researchonmeteorologicalimpactfactorsofwindfarmoutputpowerinplateaumountainousareas的文章，该文证明了风速和风向是影响贵州高原山区风电场输出功率的主要气象因素。白树华等人在电力建设上发表题为西藏高原的气候环境对风力发电的影响分析的文章，该文表明西藏高原风电机组覆冰易引起发电机绕组表面冷凝；雷暴易引发机组故障；日照强度强使机组散热较差；空气湿度大使机组绝缘性能降低。但海上和陆上的天气条件截然不同，海上风机运行状态受天气影响更为复杂，故陆上风机受环境影响得出的结论不完全适用于海上。海上风速骤变是海上风机故障率高于陆上的主要问题之一，相比陆上提高了61％。WilsonG等人在InternationalConferenceonSustainablePowerGenerationandSupply上发表题为Modellingtheeffectsoftheenvironmentonwindturbinefailuremodesusingneuralnetworks的文章，该文证实了齿轮箱、发电机和轮毂这些部件更易在多变的风速条件下故障，同时较高的风速制约着海上风机可及性问题。温度和湿度也是重要的影响因素，TavnerPJ等人在WindEnergy上发表题为Studyofweatherandlocationeffectsonwindturbinefailurerates的文章，该文对德国三个地点的双馈风力发电机(DFIG)进行相关性分析，统计发现海上天气参数与风机故障的互相关率最高达到31％，其中，温度会产生季节性影响，秋季或早春的互相关率最高，湿度对电气部件的影响比机械部件更严重。但是他们采用的是年平均和月平均天气参数，没有考虑故障发生时的实际情况和短期天气事件，且仅针对额定功率为300千瓦的旧风力机进行分析。以上研究各种环境因素对风机故障行为的影响是单独建模的，每次只考虑单一环境因素，忽略了它们的同时性。
技术实现思路
本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种考虑海洋气象因素的海上双馈风电机组故障判别方法。本专利技术的目的可以通过以下技术方案来实现：一种考虑海洋气象因素的海上双馈风电机组故障判别方法，包括以下步骤：1)根据海上双馈风电机组的状态变量和海洋气象因素的历史数据获取每个变量对应的边缘分布函数，所述的变量包括风速、功率、温度和湍流；2)根据边缘分布函数构建每个变量的Copula密度函数模型，结合变量的历史正常数据和故障数据，采用极大似然估计分别对每个Copula密度函数模型进行参数估计，并采用赤池信息准则AIC和贝叶斯信息准则BIC对Copula密度函数的拟合优度进行评估，获取最优的Copula密度函数模型；3)将待测试数据的核密度函数值和边缘分布函数值作为最优的Copula密度函数模型的输入，根据贝叶斯决策理论进行风机状态判别。所述的步骤2)中，Copula密度函数模型包括GaussianCopula函数、tCopula函数、GumbelCopula函数、ClaytonCopula函数和FrankCopula函数。所述的GaussianCopula函数cGaussian(u1,u2,u3,u4)的表达式为：ζT＝[φ-1(u1)，φ-1(u2),...,φ-1(u4)]其中，u1,u2,u3,u4分别为风速、功率、温度和湍流的边缘分布函数值，Σ为相关系数矩阵，φ-1(·)为标准正态分布的逆函数，ζ为中间参量。所述的tCopula函数ct(u1,u2,u3,u4)的表达式为：其中，u1,u2,u3,u4分别为风速、功率、温度和湍流的边缘分布函数值，Σ为相关系数矩阵，v为自由度，为t的分布函数，ζ为中间参量。所述的GumbelCopula函数cGumbel(u1,u2,u3,u4)的表达式为：ω＝(-lnu1)θ+(-lnu2)θ+(-lnu3)θ+(-lnu4)θ其中，u1,u2,u3,u4分别为风速、功率、温度和湍流的边缘分布函数值，θ为待估计的参数，ω为中间参量。所述的ClaytonCopula函数cClayton(u1,u2,u3,u4)的表达式为：其中，u1,u2,u3,u4分别为风速、功率、温度和湍流的边缘分布函数值，θ为待估计的参数。所述的FrankCopula函数cFrank(u1,u2,u3,u4)的表达式为：其中，u1,u2,u3,u4分别为风速、功率、温度和湍流的边缘分布函数值，θ为待估计的参数。所述的步骤2)中，需要进行参数估计的模型参数θ*包括GaussianCopula函数的相关系数矩阵，tCopula函数的相关系数矩阵和自由度本文档来自技高网...

【技术保护点】
1.一种考虑海洋气象因素的海上双馈风电机组故障判别方法，其特征在于，包括以下步骤：1)根据海上双馈风电机组的状态变量和海洋气象因素的历史数据获取每个变量对应的边缘分布函数，所述的变量包括风速、功率、温度和湍流；2)根据边缘分布函数构建每个变量的Copula密度函数模型，结合变量的历史正常数据和故障数据，采用极大似然估计分别对每个Copula密度函数模型进行参数估计，并采用赤池信息准则AIC和贝叶斯信息准则BIC对Copula密度函数的拟合优度进行评估，获取最优的Copula密度函数模型；3)将待测试数据的核密度函数值和边缘分布函数值作为最优的Copula密度函数模型的输入，根据贝叶斯决策理论进行风机状态判别。

【技术特征摘要】
1.一种考虑海洋气象因素的海上双馈风电机组故障判别方法，其特征在于，包括以下步骤：1)根据海上双馈风电机组的状态变量和海洋气象因素的历史数据获取每个变量对应的边缘分布函数，所述的变量包括风速、功率、温度和湍流；2)根据边缘分布函数构建每个变量的Copula密度函数模型，结合变量的历史正常数据和故障数据，采用极大似然估计分别对每个Copula密度函数模型进行参数估计，并采用赤池信息准则AIC和贝叶斯信息准则BIC对Copula密度函数的拟合优度进行评估，获取最优的Copula密度函数模型；3)将待测试数据的核密度函数值和边缘分布函数值作为最优的Copula密度函数模型的输入，根据贝叶斯决策理论进行风机状态判别。2.根据权利要求1所述的一种考虑海洋气象因素的海上双馈风电机组故障判别方法，其特征在于，所述的步骤2)中，Copula密度函数模型包括GaussianCopula函数、tCopula函数、GumbelCopula函数、ClaytonCopula函数和FrankCopula函数。3.根据权利要求2所述的一种考虑海洋气象因素的海上双馈风电机组故障判别方法，其特征在于，所述的GaussianCopula函数cGaussian(u1,u2,u3,u4)的表达式为：ζT＝[φ-1(u1)，φ-1(u2),...,φ-1(u4)]其中，u1,u2,u3,u4分别为风速、功率、温度和湍流的边缘分布函数值，Σ为相关系数矩阵，φ-1(·)为标准正态分布的逆函数，ζ为中间参量。4.根据权利要求2所述的一种考虑海洋气象因素的海上双馈风电机组故障判别方法，其特征在于，所述的tCopula函数ct(u1,u2,u3,u4)的表达式为：其中，u1,u2,u3,u4分别为风速、功率、温度和湍流的边缘分布函数值，Σ为相关系数矩阵，v为自由度，为t的分布函数，ζ为中间参量。5.根据权利要求2所述的一种考虑海洋气象因素的海上双馈风电机组故障判别方法，其特征在于，所述的Gum...

【专利技术属性】
技术研发人员：魏书荣，王栋悦，常彬，符杨，闫鹤鸣，李方媛，
申请(专利权)人：上海电力学院，全球能源互联网研究院有限公司，
类型：发明
国别省市：上海,31