变桨系统的监测方法及其系统及计算机可读存储介质技术方案

本发明专利技术实施例提供一种变桨系统的监测方法及其系统及计算机可读存储介质。该监测方法包括：选取影响风力发电机组的变桨系统的多个监测变量；获取多个监测变量的监测数据；基于多个监测变量的监测数据来建立并训练Cox比例风险模型，以得到训练后的Cox比例风险模型；获取风力发电机组实际运行过程中的多个监测变量的当前监测数据；以及基于多个监测变量的当前监测数据和训练后的Cox比例风险模型来得到变桨系统的当前危险率以对变桨系统进行监测。本发明专利技术实施例能够对变桨系统的故障起到更好的监测，减少误报率。减少误报率。减少误报率。

【技术实现步骤摘要】
变桨系统的监测方法及其系统及计算机可读存储介质


[0001]本专利技术实施例涉及风力发电
，尤其涉及一种变桨系统的监测方法及其系统及计算机可读存储介质。

技术介绍

[0002]随着煤炭、石油等能源的逐渐枯竭，人类越来越重视可再生能源的利用。风能作为一种清洁的可再生能源越来越受到世界各国的重视。伴随着风电技术的不断发展，风力发电机组在电力系统中的应用日益增加。风力发电机组是将风能转化为电能的大型设备，通常设置于风能资源丰富的地区。
[0003]变桨系统作为风力发电机组的重要组成部分，对保证风力发电机组的正常运行起着至关重要的作用。液压变桨是变桨系统常用的一种变桨方式之一，由于风力发电机组的运行环境较为恶劣，维修保护不当等原因，会导致变桨系统频繁出现故障，不利于风力发电机组的稳定运行。
[0004]目前，例如对于变桨系统油压故障诊断最大的问题是风力发电机组的误报率较高。风力发电机组在实际运行过程中会存在大量不确定性，如传感器异常、外界环境干扰等，这些不确定性会导致数据出现波动。

技术实现思路

[0005]本专利技术实施例的目的在于提供一种变桨系统的监测方法及其系统及计算机可读存储介质，能够对变桨系统的故障起到更好的监测，减少误报率。
[0006]本专利技术实施例的一个方面提供一种变桨系统的监测方法，应用于风力发电机组。所述监测方法包括：选取影响风力发电机组的变桨系统的多个监测变量；获取所述多个监测变量的监测数据；基于所述多个监测变量的监测数据来建立并训练Cox比例风险模型，以得到训练后的Cox比例风险模型；获取所述风力发电机组实际运行过程中的所述多个监测变量的当前监测数据；以及基于所述多个监测变量的当前监测数据和所述训练后的Cox比例风险模型来得到所述变桨系统的当前危险率以对所述变桨系统进行监测。
[0007]进一步地，所述获取所述多个监测变量的监测数据包括：从所述风力发电机组的SCADA系统中提取所述多个监测变量的监测数据。
[0008]进一步地，所述风力发电机组包括故障机组和健康机组，所述从所述风力发电机组的SCADA系统中提取所述多个监测变量的监测数据包括：从所述风力发电机组的SCADA系统中分别提取故障机组的所述多个监测变量的监测数据和健康机组的所述多个监测变量的监测数据。
[0009]进一步地，所述选取影响风力发电机组的变桨系统的多个监测变量包括：选取影响风力发电机组的变桨系统油压状态的多个监测变量。
[0010]进一步地，所述多个监测变量包括所述风力发电机组的多个叶片的压力、多个叶片的位置角、发电机转速及风速。
[0011]进一步地，所述基于所述多个监测变量的监测数据来建立并训练Cox比例风险模型包括：对所述多个叶片的压力和所述多个叶片的位置角分别进行整合以获得整合后的变量；基于所述整合后的变量、发电机转速和风速来作为所述Cox比例风险模型的建模输入变量；及基于所述建模输入变量的数据来训练所述Cox比例风险模型。
[0012]进一步地，所述整合后的变量包括所述多个叶片的压力之和的均值、所述多个叶片的位置角之和的均值、所述多个叶片的压力之差的均值和所述多个叶片的位置角之差的均值。
[0013]进一步地，所述风力发电机组包括故障机组和健康机组，所述基于所述建模输入变量的数据来训练所述Cox比例风险模型包括：基于故障机组的建模输入变量的数据和健康机组的建模输入变量的数据来训练所述Cox比例风险模型。
[0014]进一步地，所述基于所述建模输入变量的数据来训练所述Cox比例风险模型包括：对所述Cox比例风险模型进行单因素分析，确定每个建模输入变量的p值；剔除p值大于预定阈值的建模输入变量；基于剩余的建模输入变量的数据来继续训练所述Cox比例风险模型，直到所述建模输入变量的p值均小于等于所述预定阈值；及将p值小于等于所述预定阈值的建模输入变量作为所述训练后的Cox比例风险模型的建模输入变量。
[0015]进一步地，所述基于所述建模输入变量的数据来训练所述Cox比例风险模型还包括：引入所述变桨系统的故障机理的关键变量，所述关键变量为剔除的p值大于所述预定阈值的建模输入变量；及将所述关键变量及p值小于等于所述预定阈值的建模输入变量作为所述训练后的Cox比例风险模型最终的建模输入变量。
[0016]进一步地，所述基于所述建模输入变量的数据来训练所述Cox比例风险模型还包括：通过建立偏似然函数采用迭代的方法来求解所述训练后的Cox比例风险模型中的各个建模输入变量的偏回归系数。
[0017]进一步地，所述预定阈值为0.05。
[0018]进一步地，所述监测方法还包括：基于所述变桨系统实际发生危险时的危险率来确定一个预定的提前预警阈值；及基于得到的所述当前危险率及所述预定的提前预警阈值来对所述变桨系统进行监测。
[0019]本专利技术实施例的另一个方面还提供一种变桨系统的监测系统。所述监测系统包括一个或多个处理器，用于实现如上各个实施例所述的变桨系统的监测方法。
[0020]本专利技术实施例的另一个方面还提供一种计算机可读存储介质，其上存储有程序，所述程序被处理器执行时，实现如上各个实施例所述的变桨系统的监测方法。
[0021]本专利技术一个或多个实施例的变桨系统的监测方法及其系统及计算机可读存储介质通过将Cox比例风险模型引入到变桨系统的监测中，利用Cox比例风险模型来建立变桨系统多因素对变桨故障的影响，能够提高模型的识别精度，减少变桨系统的误报率。
附图说明
[0022]图1为本专利技术一个实施例的变桨系统的监测方法的流程图；
[0023]图2为本专利技术一个实施例的Cox比例风险模型在实际风力发电机组数据中的监测效果示意图；
[0024]图3为本专利技术一个实施例的变桨系统的监测系统的示意性框图。
具体实施方式
[0025]这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施例并不代表与本专利技术相一致的所有实施例。相反，它们仅是与如所附权利要求书中所详述的、本专利技术的一些方面相一致的装置的例子。
[0026]在本专利技术实施例使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本专利技术。除非另作定义，本专利技术实施例使用的技术术语或者科学术语应当为本专利技术所属领域内具有一般技能的人士所理解的通常意义。本专利技术说明书以及权利要求书中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。同样，“一个”或者“一”等类似词语也不表示数量限制，而是表示存在至少一个。“多个”或者“若干”表示两个及两个以上。除非另行指出，“前部”、“后部”、“下部”和/或“上部”等类似词语只是为了便于说明，而并非限于一个位置或者一种空间定向。“包括”或者“包含”等类似词语意指出现在“包括”或者“包含”前面的元件或者物件涵盖出现在“包括”或者“包含”后面列举的元件本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种变桨系统的监测方法，应用于风力发电机组，其特征在于：其包括：选取影响风力发电机组的变桨系统的多个监测变量；获取所述多个监测变量的监测数据；基于所述多个监测变量的监测数据来建立并训练Cox比例风险模型，以得到训练后的Cox比例风险模型；获取所述风力发电机组实际运行过程中的所述多个监测变量的当前监测数据；以及基于所述多个监测变量的当前监测数据和所述训练后的Cox比例风险模型来得到所述变桨系统的当前危险率以对所述变桨系统进行监测。2.如权利要求1所述的监测方法，其特征在于：所述获取所述多个监测变量的监测数据包括：从所述风力发电机组的SCADA系统中提取所述多个监测变量的监测数据。3.如权利要求2所述的监测方法，其特征在于：所述风力发电机组包括故障机组和健康机组，所述从所述风力发电机组的SCADA系统中提取所述多个监测变量的监测数据包括：从所述风力发电机组的SCADA系统中分别提取故障机组的所述多个监测变量的监测数据和健康机组的所述多个监测变量的监测数据。4.如权利要求1所述的监测方法，其特征在于：所述选取影响风力发电机组的变桨系统的多个监测变量包括：选取影响风力发电机组的变桨系统油压状态的多个监测变量。5.如权利要求4所述的监测方法，其特征在于：所述多个监测变量包括所述风力发电机组的多个叶片的压力、多个叶片的位置角、发电机转速及风速。6.如权利要求5所述的监测方法，其特征在于：所述基于所述多个监测变量的监测数据来建立并训练Cox比例风险模型包括：对所述多个叶片的压力和所述多个叶片的位置角分别进行整合以获得整合后的变量；基于所述整合后的变量、发电机转速和风速来作为所述Cox比例风险模型的建模输入变量；及基于所述建模输入变量的数据来训练所述Cox比例风险模型。7.如权利要求6所述的监测方法，其特征在于：所述整合后的变量包括所述多个叶片的压力之和的均值、所述多个叶片的位置角之和的均值、所述多个叶片的压力之差的均值和所述多个叶片的位置角之差的均值。8.如权利要求7所述的监测方法，其特征在于：所述风力发电机组包括故...

【专利技术属性】
技术研发人员：姜孝谟，陈庆，马明俊，唐伟健，惠怀宇，蒋勇，林琳，成晓彬，
申请(专利权)人：大连理工大学，
类型：发明
国别省市：