一种风电机组早期故障特征增强方法和系统技术方案

本发明专利技术公开了一种风电机组早期故障特征增强方法和系统，属于电力设备故障诊断技术领域，基于实时测量的转速等计算理论故障特征频率，并考虑一定的不确定性，划分故障可能存在的不同频率子区间，进而通过自适应随机共振的手段达到故障增强的效果。应用了频谱能量的计算方法，针对不同的频率子区间计算频谱能量，然后设定适应度函数，通过粒子群算法找出最优能量分布，进而计算不同频谱区间的分段均值指标，找出故障特征频率存在的子区间，完成频率搜索算法和自适应特征增强，解决了故障特征不确定下难以对风电机组振动信号的故障特征进行增强的问题。行增强的问题。

【技术实现步骤摘要】
一种风电机组早期故障特征增强方法和系统


[0001]本专利技术属于电力设备故障诊断
，涉及一种风电机组早期故障特征增强方法和系统。

技术介绍

[0002]在能源转型的关键时期，在碳达峰和碳中和背景下，电力系统的能源测结构正逐渐向以低碳能源发展为主导的能源模型进行变革。风力发电作为一种重要的低碳能源，近些年来风电机组的装机容量不断攀升。同时，大规模风电并网下的机组运维技术和故障诊断方法的研究对于风电机组乃至电力系统的安全稳定运行意义重大。然而，风电机组运行环境较为恶劣，通过传感器采集到的振动信号中有大量的低频、冲击性、电磁噪声干扰，信噪比低，导致故障特征难以提取，且实际中风电机组运行过程中故障导致的调制振动会随着机组转速变化而变化。实际风电机组运行过程中由于风速变化、设备磨损等导致的参数变化、信号采集干扰等因素引发风电机组的故障特征产生一定的不确定性，使得现有的故障诊断方法在工程实际中的应用面临巨大的挑战。考虑到工程实际中风电机组设备磨损、变转速、信号采集等复杂工况导致故障特征的不确定性，而现有风电机组智能故障识别技术通常基于确定性故障特征，二者之间的矛盾导致现有故障特征增强和故障识别算法难以在工程实际中得到良好的应用效果。

技术实现思路

[0003]本专利技术的目的在于克服上述现有技术中，由于风速变化、设备磨损、参数变化、信号采集干扰等导致的故障特征不确定性与风电机组的确定性故障识别技术产生矛盾缺点，提供一种风电机组早期故障特征增强方法和系统。
[0004]为了达到上述目的，本专利技术采用以下技术方案予以实现：
[0005]一种计及故障不确定性的风电机组早期故障特征增强方法，包括如下步骤：
[0006]步骤1)获取风电机组传动链上的原始信号；原始信号包括传动系统振动信号和高速轴的实时转速；
[0007]步骤2)建立二阶双稳态随机共振模型，结合传动系统振动信号，得到频域信号；
[0008]步骤3)基于风电机组的结构及传动系统高速轴的实时转速，计算得到理论故障特征频率；
[0009]步骤4)以理论故障特征频率为中心，对二阶双稳态随机共振模型输出信号的频域信号进行划分，得到若干个频率子区间；
[0010]步骤5)计算不同频率子区间的平均能量，基于不同频率子区间的平均能量，通过二阶双稳态随机共振模型进行参数的自适应调节，使子区间平均能量最大；
[0011]步骤6)计算各个子区间平均能量最大时二阶双稳态随机共振模型输出信号的分段均值指标；
[0012]步骤7)比较获取分段均值指标的最小值对应的频率子区间，在此频率子区间范围
内分析实际故障特征，将此频率子区间能量最大时的二阶双稳态随机共振模型输出信号作为风电机组早期故障特征增强后的输出信号。
[0013]优选地，步骤1)中的原始信号还包括传动系统主轴水平的原始振动信号、传动系统高速轴水平的原始振动信号和传动系统发电机水平的原始振动信号；
[0014]对获取的原始信号，首先进行尺度变换，之后再基于尺度变换后的信号建立二阶双稳态随机共振模型。
[0015]优选地，步骤2)中，
[0016]将获取的原始振动信号进行包络解调作为二阶双稳态随机共振模型的输入信号；
[0017]对经过二阶双稳态随机共振模型处理后的输出信号进行频谱变换，计算输出信号的频域信号。
[0018]优选地，步骤2)中，频域信号是利用傅里叶变换法计算得到的。
[0019]优选地，步骤5)中，自适应调节通过粒子群优化算法进行；
[0020]自适应调节的具体过程为：
[0021]以不同频率子区间的平均能量作为粒子群算法的适应度函数，通过自适应调节二阶双稳态随机共振模型的系统参数和噪声强度，使子区间平均能量最大。
[0022]优选地，步骤2)中的二阶双稳态随机共振模型为
[0023][0024]式(1)中，a、b为系统参数；k是阻尼比；D为噪声强度；s(t)为原始信号；ε(t)表示零均值高斯白噪声。
[0025]优选地，步骤5)中，计算不同频率子区间的平均能量，具体为：
[0026][0027]式(2)中，f1和f2分别为设定子区间的起始频率和终止频率，x[k]表示在频谱信号频率k的幅值。
[0028]一种计及故障不确定性的风电机组早期故障特征增强系统，包括：
[0029]信号采集单元，用于获取风电机组传动链上的原始信号；
[0030]模型建立单元，与信号采集单元相交互，建立二阶双稳态随机共振模型，结合传动系统振动信号，得到频域信号；
[0031]数据处理单元，与模型建立单元相交互，结合传动系统振动信号，得到频域信号，以理论故障特征频率为中心，对二阶双稳态随机共振模型输出信号的频域信号进行划分，得到若干个频率子区间，计算不同频率子区间的平均能量，基于不同频率子区间的平均能量，通过二阶双稳态随机共振模型进行参数的自适应调节，使子区间平均能量最大，计算各个子区间平均能量最大时二阶双稳态随机共振模型输出信号的分段均值指标；
[0032]分析评估模块，与数据处理单元相交互，比较获取分段均值指标的最小值对应的频率子区间，在此频率子区间范围内分析实际故障特征，将此频率子区间能量最大时的二阶双稳态随机共振模型输出信号作为风电机组早期故障特征增强后的输出信号。
[0033]与现有技术相比，本专利技术具有以下有益效果：
[0034]本专利技术公开了一种计及故障不确定性的风电机组早期故障特征增强方法，基于实时测量的转速等计算理论故障特征频率，并考虑一定的不确定性，划分故障可能存在的不同频率子区间，进而通过自适应随机共振的手段达到故障增强的效果。应用了频谱能量的计算方法，针对不同的频率子区间计算频谱能量，然后设定适应度函数，通过粒子群算法找出最优能量分布，进而计算不同频谱区间的分段均值指标，找出故障特征频率存在的子区间，完成频率搜索算法和自适应特征增强，解决了故障特征不确定下难以对风电机组振动信号的故障特征进行增强的问题。
[0035]本专利技术还公开了一种计及故障不确定性的风电机组早期故障特征增强系统，包括四个模块，信号采集单元，用于获取风电机组传动链上的原始信号；模型建立单元，用于建立二阶双稳态随机共振模型；数据处理单元，用于对二阶双稳态随机共振模型进行包络解调，计算二阶双稳态随机共振模型的频域信号；进一步计算得到理论故障特征频率，以理论故障特征频率为中心，对二阶双稳态随机共振模型的频域信号进行划分，得到若干个频率子区间；计算不同频率子区间的平均能量，基于不同频率子区间的平均能量，通过自适应调节，使子区间平均能量最大；分析评估模块，当子区间平均能量最大时，计算此时二阶双稳态随机共振模型输出信号的分段均值指标，分析该分段均值指标是否为所有子区间中的最小值；若该分段均值指标是所有子区间中的最小值，则该分段均值指标对应的子区间为实际故障特征存在的空间，完成频率搜索；若该分段均值指标不是所有子区间中的最小值，则继续计算直至得到子区间平均能本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种计及故障不确定性的风电机组早期故障特征增强方法，其特征在于，包括如下步骤：步骤1)获取风电机组传动链上的原始信号；原始信号包括传动系统振动信号和高速轴的实时转速；步骤2)建立二阶双稳态随机共振模型，结合传动系统振动信号，得到频域信号；步骤3)基于风电机组的结构及传动系统高速轴的实时转速，计算得到理论故障特征频率；步骤4)以理论故障特征频率为中心，对二阶双稳态随机共振模型输出信号的频域信号进行划分，得到若干个频率子区间；步骤5)计算不同频率子区间的平均能量，基于不同频率子区间的平均能量，通过二阶双稳态随机共振模型进行参数的自适应调节，使子区间平均能量最大；步骤6)计算各个子区间平均能量最大时二阶双稳态随机共振模型输出信号的分段均值指标；步骤7)比较获取分段均值指标的最小值对应的频率子区间，在此频率子区间范围内分析实际故障特征，将此频率子区间能量最大时的二阶双稳态随机共振模型输出信号作为风电机组早期故障特征增强后的输出信号。2.根据权利要求1所述的计及故障不确定性的风电机组早期故障特征增强方法，其特征在于，步骤1)中的原始信号还包括传动系统主轴水平的原始振动信号、传动系统高速轴水平的原始振动信号和传动系统发电机水平的原始振动信号。3.根据权利要求1所述的计及故障不确定性的风电机组早期故障特征增强方法，其特征在于，步骤1)中，对获取的原始信号，首先进行尺度变换，之后再基于尺度变换后的信号建立二阶双稳态随机共振模型。4.根据权利要求1所述的计及故障不确定性的风电机组早期故障特征增强方法，其特征在于，步骤2)中，将获取的原始振动信号进行包络解调作为二阶双稳态随机共振模型的输入信号；对经过二阶双稳态随机共振模型处理后的输出信号进行频谱变换，计算输出信号的频域信号。5.根据权利要求1所述的计及故障不确定性的风电机组早期故障特征增强方法，其特征在于，步骤2)中，频域信号是利用傅里叶变换...

【专利技术属性】
技术研发人员：党建，王雪妍，李骥，贾嵘，
申请(专利权)人：西安理工大学，
类型：发明
国别省市：