一种风机工作异常的检测方法技术

本发明专利技术涉及风机故障检测技术领域，具体涉及一种风机工作异常的检测方法。该方法包括以下步骤：根据目标区域内各风机的低速轴位移信息、变桨电机的温度信息和风机齿轮箱的振动信息计算目标区域内各风机的损坏趋势指数；根据所述损坏趋势指数和低速轴位移信息计算任意两风机之间的差异指标，根据所述差异指标计算各风机对应的离群因子，根据所述离群因子判断目标区域中的异常风机，将目标区域中未被判断为异常风机的风机记为初步正常风机；对于任一初步正常风机：根据第一差异和该初步正常风机的各桨叶的桨距角计算该初步正常风机的桨距角异常指数，根据所述桨距角差异指数判断该初步正常风机是否异常。本发明专利技术提高了对风机的检测效率。测效率。测效率。

【技术实现步骤摘要】
一种风机工作异常的检测方法


[0001]本专利技术涉及风机故障检测
，具体涉及一种风机工作异常的检测方法。

技术介绍

[0002]随着工业的发展，人类对化石能源的需求越来越大，过度的开采和使用导致了能源危机和严重的环境污染，不利于人类社会的可持续发展。如今对于清洁能源的开发逐渐受到重视，以风能、太阳能为代表的可再生能源产业快速发展，在社会供电方面，伴随着风能产业的快速发展和风电机组的广泛安装使用，庞大的机组数量提供了相应的电力。随着风机服役时间的增长，风机出现故障的概率也随之增长。当需要进行异常检测的风机数量较大时，利用人工检测风机工作是否异常的方式消耗的人力资源较大，且检测效率较低。

技术实现思路

[0003]为了解决现有利用人工检测风机工作是否异常的方式存在的检测效率较低的问题，本专利技术的目的在于提供一种风机工作异常的检测方法。
[0004]本专利技术的一种风机工作异常的检测方法，包括以下步骤：
[0005]获取目标区域内各风机的低速轴位移信息、变桨电机的温度信息、各桨叶的桨距角信息和风机齿轮箱的振动信息；
[0006]根据目标区域内各风机的低速轴位移信息、变桨电机的温度信息和风机齿轮箱的振动信息计算目标区域内各风机的损坏趋势指数；
[0007]根据目标区域内各风机的损坏趋势指数和低速轴位移信息计算目标区域内任意两风机之间的差异指标，根据目标区域内任意两风机之间的差异指标计算目标区域内各风机对应的离群因子，根据目标区域内各风机对应的离群因子判断目标区域中的异常风机，将目标区域中未被判断为异常风机的风机记为初步正常风机；
[0008]对于任一初步正常风机：计算该初步正常风机中各桨叶之间的桨距角差异，记为第一差异；根据所述第一差异和该初步正常风机的各桨叶的桨距角计算该初步正常风机的桨距角异常指数，根据所述桨距角差异指数判断该初步正常风机是否异常。
[0009]进一步的，对于目标区域内的任一风机：该风机的损坏趋势指数与该风机在目标时间段内的低速轴位移值成负相关关系，该风机的损坏趋势指数与该风机在目标时间段内的变桨电机的温度的标准差成负相关关系，该风机的损坏趋势指数与该风机在目标时间段内的变桨电机的温度最大值成负相关关系，该风机的损坏趋势指数与该风机在目标时间段内的风机齿轮箱的振动极差成负相关关系。
[0010]进一步的，利用如下公式计算目标区域内各风机的损坏趋势指数：
[0011][0012]其中，U为目标区域内某个风机的损坏趋势指数，mean为求平均，L为该风机在目标时间段的低速轴位移量序列，exp是以自然常数e为底的指数函数，STD为求标准差，D为该风
机在目标时间段的变桨电机的温度变化序列，max为求最大值，tanh为双曲正切函数，Range为求极差，S为该风机的齿轮箱的振动加速度变化序列。
[0013]进一步的，对于任意两风机：该两风机之间的差异指标与该两风机之间的损坏趋势指数差异成负相关关系，该两风机之间的差异指标与该两风机之间的低速轴位移差异成负相关关系；利用如下公式计算该两风机之间的差异指标：
[0014][0015]其中，A,B分别表示两个不同的风机，R(A，B)是风机A和风机B之间的差异指标，abs为取绝对值，U
A
为风机A的损坏趋势指数，U
B
为风机B的损坏趋势指数，dtw为动态时间规整算法，L
A
为风机A在目标时间段的低速轴位移量序列，L
B
为风机B在目标时间段的低速轴位移量序列。
[0016]进一步的，所述根据目标区域内各风机对应的离群因子判断目标区域中的异常风机，包括：
[0017]将目标区域内各风机对应的离群因子与阈值进行比较，当某风机对应的局部离群因子大于阈值时，判定该风机为初步异常样本；
[0018]计算后续设定时间段内各时间段对应的整体离群因子，所述设定时间段包括多个时间段，所述整体离群因子为目标区域中没有被判定为初始异常样本的风机的离群因子的均值；
[0019]根据所述后续设定时间段内各时间段对应的整体离群因子计算所述后续设定时间段对应的整体离群因子变化特征指数，若所述整体离群因子变化特征指数小于设定值，则判定所述初步异常样本为异常风机。
[0020]进一步的，利用如下公式计算所述后续设定时间段对应的整体离群因子变化特征指数：
[0021][0022]其中，σ为所述后续设定时间段对应的整体离群因子变化特征指数，T为所述后续设定时间段包括的时间段的数量，O
i
为所述后续设定时间段中第i个时间段对应的整体离群因子，O
i
‑1为所述后续设定时间段中第i
‑
1个时间段对应的整体离群因子。
[0023]进一步的，利用如下公式计算各初步正常风机的桨距角异常指数：
[0024][0025]其中，W为某个初步正常风机的桨距角异常指数，v1为该初步正常风机的第一个桨叶在目标时间段内的桨距角变化序列，v2为该初步正常风机的第二个桨叶在目标时间段内的桨距角变化序列，v3为该初步正常风机的第三个桨叶在目标时间段内的桨距角变化序列，dtw为动态时间规整算法，v
f
(1)是该初步正常风机的第f个桨叶在目标时间段内的第一个采集时刻的桨距角，v
f
(2)是该初步正常风机的第f个桨叶在目标时间段内的第二个采集时刻的桨距角，mean为求均值，exp是以自然常数e为底的指数函数。
[0026]进一步的，所述根据所述桨距角差异指数判断该初步正常风机是否异常，包括：
[0027]根据目标区域中各初步正常风机对应的桨距角异常指数构建集合{W1，W2，......}，其中W1为目标区域中第1个初步正常风机对应的桨距角异常指数，W2为目标区域中第2个初步正常风机对应的桨距角异常指数；
[0028]利用如下公式计算各初步正常风机对应的异常判定值：
[0029]x＝sign(abs(W
i
‑
mean({w1，W2，......}))
‑
0.1))
[0030]其中，x为某初步正常风机对应的异常判定值，sign函数是符号函数，W
i
为目标区域中第i个初步正常风机对应的桨距角异常指数，abs为取绝对值，mean为求平均值；
[0031]对于各初始正常风机，若某初始正常风机对应的异常判定值x为1，那么判定该初始正常风机没有异常；若某初始正常风机对应的异常判定值x为
‑
1，那么判定该初始正常风机出现异常。
[0032]有益效果：本实施例根据目标区域内各风机的低速轴位移信息、变桨电机的温度信息、各桨叶的桨距角信息和风机齿轮箱的振动信息对目标区域内各风机是否存在异常做出了判断，本实施例实现了对目标区域内是否存在工作异常风机的自动判断，提高了对风机的检测效率。
附图说明
[0033]图1是本专利技术的风机工作异常本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种风机工作异常的检测方法，其特征在于，包括以下步骤：获取目标区域内各风机的低速轴位移信息、变桨电机的温度信息、各桨叶的桨距角信息和风机齿轮箱的振动信息；根据目标区域内各风机的低速轴位移信息、变桨电机的温度信息和风机齿轮箱的振动信息计算目标区域内各风机的损坏趋势指数；根据目标区域内各风机的损坏趋势指数和低速轴位移信息计算目标区域内任意两风机之间的差异指标，根据目标区域内任意两风机之间的差异指标计算目标区域内各风机对应的离群因子，根据目标区域内各风机对应的离群因子判断目标区域中的异常风机，将目标区域中未被判断为异常风机的风机记为初步正常风机；对于任一初步正常风机：计算该初步正常风机中各桨叶之间的桨距角差异，记为第一差异；根据所述第一差异和该初步正常风机的各桨叶的桨距角计算该初步正常风机的桨距角异常指数，根据所述桨距角差异指数判断该初步正常风机是否异常。2.根据权利要求1所述的风机工作异常的检测方法，其特征在于，对于目标区域内的任一风机：该风机的损坏趋势指数与该风机在目标时间段内的低速轴位移值成负相关关系，该风机的损坏趋势指数与该风机在目标时间段内的变桨电机的温度的标准差成负相关关系，该风机的损坏趋势指数与该风机在目标时间段内的变桨电机的温度最大值成负相关关系，该风机的损坏趋势指数与该风机在目标时间段内的风机齿轮箱的振动极差成负相关关系。3.根据权利要求2所述的风机工作异常的检测方法，其特征在于，利用如下公式计算目标区域内各风机的损坏趋势指数：其中，U为目标区域内某个风机的损坏趋势指数，mean为求平均，L为该风机在目标时间段的低速轴位移量序列，exp是以自然常数e为底的指数函数，STD为求标准差，D为该风机在目标时间段的变桨电机的温度变化序列，max为求最大值，tanh为双曲正切函数，Range为求极差，S为该风机的齿轮箱的振动加速度变化序列。4.根据权利要求1所述的风机工作异常的检测方法，其特征在于，对于任意两风机：该两风机之间的差异指标与该两风机之间的损坏趋势指数差异成负相关关系，该两风机之间的差异指标与该两风机之间的低速轴位移差异成负相关关系；利用如下公式计算该两风机之间的差异指标：其中，A,B分别表示两个不同的风机，R(A，B)是风机A和风机B之间的差异指标，abs为取绝对值，U
A
为风机A的损坏趋势指数，U
B
为风机B的损坏趋势指数，dtw为动态时间规整算法，L
A
为风机A在目标时间段的低速轴位移量序列，L
B
为风机B在目标时间段的低速轴位移量序列。5.根据权利要求1所述的风机工作异常的检测方法，其特征在于，所述根据目标区域内各风机对应的离群因子判断目标区域中的异常风机，包括：
将目标区域内各风机对应的离群因子与阈值进行比...

【专利技术属性】
技术研发人员：李浩玮，张蓓蓓，
申请(专利权)人：江苏奥派电气科技有限公司，
类型：发明
国别省市：