一种基于认知计算的风电故障运维管理方法技术

本发明专利技术公开了一种基于认知计算的风电故障运维管理方法，包括以下步骤：对风电机组定子匝间短路故障进行特征分析；针对特征分析的结果，基于贝叶斯网络建立风电故障运维认知计算模型；实时采集运维人员的行为动作和情感状态信号；将采集的行为动作和情感状态信号送入风电故障运维认知计算模型中，运用马尔科夫链蒙特卡洛方法迭代贝叶斯网络，得到运维人员的认知结果。本发明专利技术在运维人员能力评定中考虑了情感因素，以应对风机维修的极端恶劣条件，通过参考风电故障运维认知计算模型，电力企业能够更加高效地进行人员派遣，切实降低运维成本。

【技术实现步骤摘要】
一种基于认知计算的风电故障运维管理方法
本专利技术涉及风电领域，特别涉及一种基于认知计算的风电故障运维管理方法。
技术介绍
风能作为清洁能源的典型代表，近年来发展迅速，风电机组装机容量及复杂程度不断增大，使得运维任务也越来越复杂，风电场大多分布在远离人群的偏远地区，机舱的高度在65米左右，给风电运维的难度和成本均带来了巨大挑战，容易因运维人员水平不一导致发电损失甚至人身安全问题。风机事故中因运维不当导致的事故占比高达32.5％，由此可见对于运维人员的认知计算非常重要，准确的认知计算是运维管理的先决条件，运维人员的规范是高效运维的重要因素之一，同时也是风电运维后市场可持续发展的关键因素之一。文献“电力系统操作人因可靠性分析及其数据库系统研究”提出了时间相关型、过程相关型、应急相关型三种场景下的人为可靠性分析方法，可以量化人为失误的概率；文献“考虑人为因素的基于隐马尔科夫的设备强迫停运率模型”同样在以上三种场景下运用隐马尔科夫判别设备强波停运中的人为因素；文献“人为失误对保护系统可靠性的影响”基于状态维修环境，运用了人为失误率预测技术(TH本文档来自技高网...

【技术保护点】
1.一种基于认知计算的风电故障运维管理方法，其特征在于，包括以下步骤：/n步骤一：对风电机组定子匝间短路故障进行特征分析；/n步骤二：针对特征分析的结果，基于贝叶斯网络建立风电故障运维认知计算模型；/n步骤三：实时采集运维人员的行为动作和情感状态信号；/n步骤四：将采集的行为动作和情感状态信号送入风电故障运维认知计算模型中，运用马尔科夫链蒙特卡洛方法迭代贝叶斯网络，得到运维人员的认知结果。/n

【技术特征摘要】
1.一种基于认知计算的风电故障运维管理方法，其特征在于，包括以下步骤：
步骤一：对风电机组定子匝间短路故障进行特征分析；
步骤二：针对特征分析的结果，基于贝叶斯网络建立风电故障运维认知计算模型；
步骤三：实时采集运维人员的行为动作和情感状态信号；
步骤四：将采集的行为动作和情感状态信号送入风电故障运维认知计算模型中，运用马尔科夫链蒙特卡洛方法迭代贝叶斯网络，得到运维人员的认知结果。


2.根据权利要求1所述的基于认知计算的风电故障运维管理方法，其特征在于，所述步骤一中，特征分析包括电气特征参数分析和机械特征参数分析；
电气特征参数分析如下：
正常情况下，定子绕组漏抗Xσ的计算公式为：



其中f为频率，μ0＝4π×10-7为真空磁导率，N1是每相串联匝数，p为极对数，q为每极每相槽数，lef为电枢轴向计算长度，∑λ为槽比漏磁导、谐波比漏磁导、齿顶比漏磁导、端部比漏磁导之和；在d,q坐标轴下分析，定子电压及磁链方程为：



其中，Ld,Lq分别是d,q轴电枢电感，id,iq分别为d,q轴电枢电流，ψd,ψq分别为d,q轴磁链，ψf是常量，为永磁铁产生的磁链；
电枢电流为：



其中，R为定子相电阻，ud,uq分别为d,q轴定子电压，ωr为转子角速度，ω＝ωrp，ω是电机角速度；
转矩方程为：
Te＝1.5p(ψdid-ψqiq)＝1.5p[(Ld-Lq)idiq+ψf+iq]＝1.5pψfiq(4)
由式(2)可知，在匝间短路故障发生时，由于定子槽内线圈数的减少，使漏抗减小，由此导致PMSG产生杂质电流，破坏了三相电流的对称性；由式(4)可知，三相电流的无规律增加导致iq的无规律增加，因此转矩Te也无规律增加；
机械特征参数分析如下：
定子为空心结构体，振脉电磁力引起定子弹性圆柱壳体的振动，在故障发生时，振动也发生变化；以磁密计算法来计算脉振电磁力，发电机气隙磁密B(αm,t)为：
B(αm,t)＝Λ(αm,t)·f(αm,t)(5)
作用在定子内圆表面的单位面积磁力q(αm,t)为：



其中Λ(αm,t)为气隙磁导，αm为定子机械角度，t为时间，f(αm,t)为气隙磁势；由推导可知，定子匝间短路故障引起脉振频率为2f、4f、6f的定子振动变化量，其中2f的相对变化量最大，f＝50；
当绕组的不同位置发生故障时，与正常运行相比，除电气量、机械量发生变化之外，三相绕组电流也发生变化，将定子匝间短路故障特征总结如下：
(1)电气量：系统的对称性被破坏，各项定子相电压、相电流不再对称；磁通线稀薄，磁通量降低；短路支路出现以基波为主的短路电流，被短路支路电流增加；转矩增大并表现出不稳定状态。
(2)机械量：定子匝间短路引起定、转子的径向振动，其二倍频分量幅值有增大；
(3)故障定位：A相绕组不同位置发生故障时，B相电流始终最大，A、C相电流随着故障位置从机端向中性点推移时交替变化；B、C相绕组不同位置发生短路时现象类推。


3.根据权利要求2所述的基于认知计算的风电故障运维管理方法，其特征在于，所述步骤二中，风电故障运维认知计算模型包括三层，第一层为运维认知层，运维认知层包括运维认知节点；第二层为特征变量层，特征变量层中的节点包括发电机系统知识GSK、故障运维程序知识PK、故障运维战略知识SK、情感状态压力分级PR；第三层为运维参数层，运维参数层中的节点包括信号参数特征PC、基本操作知识BO、空间分割、串行消除、更换部件R&R、运维人员心率、运维人员体温、运维人员血压。


4.根据权利要求3所述的基于认知计算的风电故障运维管理方法，其特征在于，所述风电故障运维认知计算模型中，以RECOLA数据库中的生理信号心率、体温及血压为观测量，利用自适应加权融合算法与隐马尔科夫模型HMM实现对情感压力的分级采样，数据融合公式为：



式中Wi为第i个特征的加权因子，n为特征总数，Xi为第i个特征值；将...

【专利技术属性】
技术研发人员：张潇丹，段斌，吴俊峰，刘昌杰，陈月平，
申请(专利权)人：湘潭大学，
类型：发明
国别省市：湖南;43