风力发电机组振动异常的检测方法和设备及风力发电机组技术

提供一种风力发电机组振动异常的检测方法和设备及风力发电机组，所述检测方法包括：获取风力发电机组的预定部件在连续的多个时间段内的振动数据；将获取的所述多个时间段内的振动数据分别转换到频域，获得分别与所述多个时间段内的振动数据对应的多个振动频谱；对所述多个振动频谱进行叠加，获得所述预定部件在预定时间段内的振动频谱概率密度分布；基于获得的振动频谱概率密度分布确定所述预定部件在所述预定时间段内是否存在异常振动，其中，所述预定时间段被均匀地划分为所述多个时间段。采用本发明专利技术示例性实施例的风力发电机组振动异常的检测方法和设备及风力发电机组，能够快速定位故障时间，减少运算量。

Detection method and equipment for abnormal vibration of wind turbine and wind turbine

【技术实现步骤摘要】
风力发电机组振动异常的检测方法和设备及风力发电机组
本专利技术总体说来涉及风力发电
，更具体地讲，涉及一种风力发电机组振动异常的检测方法和设备及风力发电机组。
技术介绍
通过振动传感器所采集的振动数据对风力发电机组中的主要部件的运行状态进行可靠性和稳定性分析是一种常用运行监控手段。目前，通常是基于主要部件的振动频谱来进行振动故障的检测，现有技术中普遍使用的振动频谱有频谱曲线、频点能量、频谱瀑布图等。在现有的基于频谱曲线和频点能量进行振动故障检测的方式中，对于由于外部振动干扰所引起的振动(例如，由于雷声、行驶的车辆、飞行的飞机等引起的振动)无法进行有效识别，导致容易将外部振动干扰所引起的偶发振动识别为风力发电机组的主要部件的异常振动，降低了振动异常检测的准确性。此外，虽然频谱瀑布图能够反映短时间内的频谱变化特性，但对于长时间(如几天、几个月甚至几年)的振动数据，其绘制的频谱瀑布图很长，不便于查看和分析。而且三维频谱瀑布图一般是将计算的特征值以数字方式展示出来，其存在回放时间长，分析准确率和工作效率依赖于分析人员的工作态度和精神状态等问题，过多冗余的数据容易造成分析疲劳，分析过程长也容易造成疏忽。
技术实现思路
本专利技术的示例性实施例的目的在于提供一种风力发电机组振动异常的检测方法和设备及风力发电机组，以克服上述至少一个缺陷。根据本专利技术示例性实施例的一方面，提供一种风力发电机组振动异常的检测方法，所述检测方法包括：获取风力发电机组的预定部件在连续的多个时间段内的振动数据；将获取的所述多个时间段内的振动数据分别转换到频域，获得分别与所述多个时间段内的振动数据对应的多个振动频谱；对所述多个振动频谱进行叠加，获得所述预定部件在预定时间段内的振动频谱概率密度分布；基于获得的振动频谱概率密度分布确定所述预定部件在所述预定时间段内是否存在异常振动，其中，所述预定时间段被均匀地划分为所述多个时间段。可选地，基于获得的振动频谱概率密度分布确定所述预定部件在预定时间段内是否存在异常振动的步骤可包括：将获得的振动频谱概率密度分布与所述预定部件在所述预定时间段内的预设振动频谱概率密度分布样本进行匹配；根据匹配结果确定所述预定部件在所述预定时间段内是否存在异常振动。可选地，所述预设振动频谱概率密度分布样本可为基于所述预定部件在所述预定时间段内正常运行时的振动数据生成的振动频谱概率密度分布；或者所述预设振动频谱概率密度分布样本可为基于所述预定部件在所述预定时间段内故障状态下的振动数据生成的振动频谱概率密度分布。可选地，根据匹配结果确定所述预定部件在所述预定时间段内是否存在异常振动的步骤可包括：基于获得的振动频谱概率密度分布中与各频率点对应的频率幅度值的概率密度分别与所述预设振动频谱概率密度分布样本中与所述各频率点对应的频率幅度值的概率密度的比较结果，确定所述预定部件在所述预定时间段内是否存在异常振动，或者，可基于获得的振动频谱概率密度分布中与指定区域内包含的所有频率点对应的频率幅度值的概率密度总和与所述预设振动频谱概率密度分布样本中与所述指定区域内包含的所有频率点对应的频率幅度值的概率密度总和的比较结果，确定所述预定部件在所述预定时间段内是否存在异常振动。可选地，当获得的振动频谱概率密度分布中与所述各频率点中的任一频率点对应的频率幅度值的概率密度与所述预设振动频谱概率密度分布样本中与所述任一频率点对应的频率幅度值的概率密度之差的绝对值大于第一预设值时，可确定所述预定部件在所述预定时间段内存在异常振动。可选地，当获得的振动频谱概率密度分布中与所述指定区域内包含的所有频率点对应的频率幅度值的概率密度总和与所述预设振动频谱概率密度分布样本中与所述指定区域内包含的所有频率点对应的频率幅度值的概率密度总和之差的绝对值大于第二预设值时，可确定所述预定部件在所述预定时间段内存在异常振动。根据本专利技术示例性实施例的另一方面，提供一种风力发电机组振动异常的检测设备，所述检测设备包括：振动数据获取模块，获取风力发电机组的预定部件在连续的多个时间段内的振动数据；时频转换模块，将获取的所述多个时间段内的振动数据分别转换到频域，获得分别与所述多个时间段内的振动数据对应的多个振动频谱；频谱叠加模块，对所述多个振动频谱进行叠加，获得所述预定部件在预定时间段内的振动频谱概率密度分布；振动异常检测模块，基于获得的振动频谱概率密度分布确定所述预定部件在所述预定时间段内是否存在异常振动，其中，所述预定时间段被均匀地划分为所述多个时间段。可选地，振动异常检测模块可将获得的振动频谱概率密度分布与所述预定部件在所述预定时间段内的预设振动频谱概率密度分布样本进行匹配，根据匹配结果确定所述预定部件在所述预定时间段内是否存在异常振动。可选地，所述预设振动频谱概率密度分布样本为基于所述预定部件在所述预定时间段内正常运行时的振动数据生成的振动频谱概率密度分布；或者所述预设振动频谱概率密度分布样本可为基于所述预定部件在所述预定时间段内故障状态下的振动数据生成的振动频谱概率密度分布。可选地，振动异常检测模块基于获得的振动频谱概率密度分布中与各频率点对应的频率幅度值的概率密度可分别与所述预设振动频谱概率密度分布样本中与所述各频率点对应的频率幅度值的概率密度的比较结果，确定所述预定部件在所述预定时间段内是否存在异常振动，或者，振动异常检测模块可基于获得的振动频谱概率密度分布中与指定区域内包含的所有频率点对应的频率幅度值的概率密度总和与所述预设振动频谱概率密度分布样本中与所述指定区域内包含的所有频率点对应的频率幅度值的概率密度总和的比较结果，确定可所述预定部件在所述预定时间段内是否存在异常振动。可选地，当获得的振动频谱概率密度分布中与所述各频率点中的任一频率点对应的频率幅度值的概率密度与所述预设振动频谱概率密度分布样本中与所述任一频率点对应的频率幅度值的概率密度之差的绝对值大于第一预设值时，振动异常检测模块可确定所述预定部件在所述预定时间段内存在异常振动。可选地，当获得的振动频谱概率密度分布中与所述指定区域内包含的所有频率点对应的频率幅度值的概率密度总和与所述预设振动频谱概率密度分布样本中与所述指定区域内包含的所有频率点对应的频率幅度值的概率密度总和之差的绝对值大于第二预设值时，振动异常检测模块可确定所述预定部件在所述预定时间段内存在异常振动。根据本专利技术示例性实施例的再一方面，提供一种存储有计算机程序的计算机可读存储介质，当所述计算机程序在被处理器执行时实现上述的风力发电机组振动异常的检测方法。根据本专利技术示例性实施例的再一方面，提供一种计算装置，所述计算装置包括：处理器；存储器，存储有计算机程序，当所述计算机程序被处理器执行时，实现上述的风力发电机组振动异常的检测方法。根据本专利技术示例性实施例的再一方面，提供一种包括上述风力发电机组振动异常的检测设备的风力发电机组。采用本专利技术示例性实施例的风力发电机组振动异常的检测方法和设备及风力发电机组，能够快速定位故障时间，减少运算量。<本文档来自技高网...

【技术保护点】
1.一种风力发电机组振动异常的检测方法，其特征在于，所述检测方法包括：/n获取风力发电机组的预定部件在连续的多个时间段内的振动数据；/n将获取的所述多个时间段内的振动数据分别转换到频域，获得分别与所述多个时间段内的振动数据对应的多个振动频谱；/n对所述多个振动频谱进行叠加，获得所述预定部件在预定时间段内的振动频谱概率密度分布；/n基于获得的振动频谱概率密度分布确定所述预定部件在所述预定时间段内是否存在异常振动，/n其中，所述预定时间段被均匀地划分为所述多个时间段。/n

【技术特征摘要】
1.一种风力发电机组振动异常的检测方法，其特征在于，所述检测方法包括：
获取风力发电机组的预定部件在连续的多个时间段内的振动数据；
将获取的所述多个时间段内的振动数据分别转换到频域，获得分别与所述多个时间段内的振动数据对应的多个振动频谱；
对所述多个振动频谱进行叠加，获得所述预定部件在预定时间段内的振动频谱概率密度分布；
基于获得的振动频谱概率密度分布确定所述预定部件在所述预定时间段内是否存在异常振动，
其中，所述预定时间段被均匀地划分为所述多个时间段。


2.如权利要求1所述的检测方法，其特征在于，基于获得的振动频谱概率密度分布确定所述预定部件在预定时间段内是否存在异常振动的步骤包括：
将获得的振动频谱概率密度分布与所述预定部件在所述预定时间段内的预设振动频谱概率密度分布样本进行匹配；
根据匹配结果确定所述预定部件在所述预定时间段内是否存在异常振动。


3.如权利要求2所述的检测方法，其特征在于，所述预设振动频谱概率密度分布样本为基于所述预定部件在所述预定时间段内正常运行时的振动数据生成的振动频谱概率密度分布；或者
所述预设振动频谱概率密度分布样本为基于所述预定部件在所述预定时间段内故障状态下的振动数据生成的振动频谱概率密度分布。


4.如权利要求2所述的检测方法，其特征在于，根据匹配结果确定所述预定部件在所述预定时间段内是否存在异常振动的步骤包括：
基于获得的振动频谱概率密度分布中与各频率点对应的频率幅度值的概率密度分别与所述预设振动频谱概率密度分布样本中与所述各频率点对应的频率幅度值的概率密度的比较结果，确定所述预定部件在所述预定时间段内是否存在异常振动，
或者，基于获得的振动频谱概率密度分布中与指定区域内包含的所有频率点对应的频率幅度值的概率密度总和与所述预设振动频谱概率密度分布样本中与所述指定区域内包含的所有频率点对应的频率幅度值的概率密度总和的比较结果，确定所述预定部件在所述预定时间段内是否存在异常振动。


5.如权利要求4所述的检测方法，其特征在于，当获得的振动频谱概率密度分布中与所述各频率点中的任一频率点对应的频率幅度值的概率密度与所述预设振动频谱概率密度分布样本中与所述任一频率点对应的频率幅度值的概率密度之差的绝对值大于第一预设值时，确定所述预定部件在所述预定时间段内存在异常振动。


6.如权利要求4所述的检测方法，其特征在于，当获得的振动频谱概率密度分布中与所述指定区域内包含的所有频率点对应的频率幅度值的概率密度总和与所述预设振动频谱概率密度分布样本中与所述指定区域内包含的所有频率点对应的频率幅度值的概率密度总和之差的绝对值大于第二预设值时，确定所述预定部件在所述预定时间段内存在异常振动。


7.一种风力发电机组振动异常的检测设备，其特征在于，所述检测设备包括：
振动数据获取模块，获取风力发电机组的预定部件在连续的多个时间段内的振动数据；
时频转换模块，将获取的所述多个时间段内的振动数据分别转换到频域，获得分...

【专利技术属性】
技术研发人员：李新乐，董兆宇，
申请(专利权)人：新疆金风科技股份有限公司，
类型：发明
国别省市：新疆;65