基于纵向对比与证据融合的风电机组齿轮箱综合预警方法技术

本发明专利技术公开了基于纵向对比与证据融合的风电机组齿轮箱综合预警方法，该方法包括：通过与齿轮箱历史运行监测数据进行纵向对比分析，分别建立了齿轮箱油液温度、齿轮箱前端轴承温度、齿轮箱后端轴承温度、齿轮箱油泵出口压力和齿轮箱进口压力5种输出监测参量的预警模型。基于齿轮箱当前运行监测数据，通过分析各输出监测参量的当前数据与历史同工况下监测数据间的偏离度，以及各输出监测参量对各预警等级的隶属度，实现了对各输出监测参量的故障预警。在此基础上，通过采用D

【技术实现步骤摘要】
基于纵向对比与证据融合的风电机组齿轮箱综合预警方法


[0001]本专利技术涉及故障诊断
，尤其涉及一种基于纵向对比与证据融合的风电机组齿轮箱综合预警方法。

技术介绍

[0002]齿轮箱是双馈式风力发电机组重要组成部分，主要由锁紧盘、行星架、太阳轴、中间级行星架、中间级太阳轮轴、高速机齿轮、输入级齿轮等部件组成，其内的齿轮、轴系等零部件之间紧密的耦合在一起，且常处于复杂的环境下运行，因此导致齿轮箱的故障率较高。齿轮箱作为风电机组中主传动链上的重要组成部分，其正常与否对风电机组的安全稳定运行有着直接的影响。
[0003]近年来，研究人员针对齿轮箱的故障预警提出了多种方法。现有技术利用非线性状态估计(nonlinear state estimate technology,NSET)方法建立齿轮箱正常工作状态下的温度模型并用其进行温度预测。网络的收敛速度快，减小了陷入局部极小点的风险。提出利用多变量状态估计方法对齿轮箱温度数据进行状态监测，通过筛选出机组正常运行状态下的有效数据进行模型训练，对模型各参数之间的关系进行定义，再通过相关性分析来建立正常运行状态下多个相关变量的内在非线性模型。采用神经网络模型多层感知机建立齿轮箱正常工作状态温度模型，当齿轮箱温度的实际测量值超出模型的预测置信区间时，进行故障告警。提出了基于增量代价敏感支持向量机(ICSVM)的齿轮箱故障预警方法，建立了以误差分类代价最小化为目标的代价敏感支持向量机模型用于对齿轮箱故障预警。利用数据采集与监视控制系统(SCADA)，使用多层神经网络算法对齿轮箱和发电机进行了建模，根据温度参数设定阂值，采用Multi Agent系统对不同部件的诊断结果进行了综合分析来进行故障预测。基于风电机组齿轮箱的历史运行温度，结合正态云模型和趋势状态分析法构建了齿轮箱状态评估云模型，该模型应用云理论对温度边界具有的模糊性和不确定进行了有效处理，能够提前发现齿轮箱的异常状态。
[0004]从上面的分析可以看出，目前基于SCADA数据的齿轮箱故障预警大多采用非线性状态估计、神经网络、支持向量机等机器学习方法，利用历史数据进行训练建立预测模型，通过分析模型预测值与实际测量值间的残差来实现故障预警。但是这些方法算法复杂、耗时较长，且对样本的选取要求较高。由于风电机组的运行工况复杂多变，采用机器学习方法对历史数据进行训练很难覆盖所有工况，难以建立起覆盖所有工况的预测模型，导致训练出的预测模型泛化能力差，会出现由于工况的变化而出现误报的现象。此外，风电机组的SCADA数据大多为非平衡数据，故障数据往往淹没在海量的正常数据之中，由于无法对故障数据进行有效标记，导致在训练过程中很难建立起准确的故障状态与运行监测数据间的映射关系，使得训练出的模型故障报出能力差，可能会存在一定的故障漏报现象。

技术实现思路

[0005]本专利技术旨在至少在一定程度上解决相关技术中的技术问题之一。
[0006]为了解决现有技术中的问题，本专利技术的目的在于提供一种基于纵向对比与证据融合的风电机组齿轮箱综合预警方法，通过与齿轮箱历史运行监测数据进行纵向对比，分析各输出监测参量在同工况或相近工况下历史监测数据与当前监测数据间的差异性来实现各监测参量的故障预警，并采用D
‑
S证据理论融合各输出监测参量的预警结果来实现齿轮箱的综合预警。
[0007]为达上述目的，本专利技术一方面提出了一种基于纵向对比与证据融合的风电机组齿轮箱综合预警方法，包括：
[0008]根据风电机组的运行监测参量构建齿轮箱的输入监测参量向量和输出监测参量向量；
[0009]基于所述输出监测参量向量构建所述输出监测参量的预警模型，根据所述预警模型和所述输出监测参量向量得到所述输出监测参量的当前运行监测数据与历史同工况下监测数据的偏离度向量；
[0010]根据所述偏离度向量计算所述输出监测参量向量的当前运行监测数据对预设偏离度预警阈值的隶属度，根据所述隶属度和预设的证据理论融合所述输出监测参量的分析结果得到齿轮箱综合预警结果；
[0011]根据所述齿轮箱综合预警结果，确定齿轮箱当前运行监测数据的预警等级。
[0012]根据本专利技术实施例的基于纵向对比与证据融合的风电机组齿轮箱综合预警方法还可以具有以下附加技术特征：
[0013]进一步地，所述输入监测参量包括但不限于以下数据：
[0014]机组功率、风速、发电机转速、齿轮箱油泵出口压力、齿轮箱油泵进口压力、齿轮箱油液温度、齿轮箱前端轴承温度、齿轮箱后端轴承温度和机舱温度。
[0015]进一步地，所述根据预警模型和所述输出监测参量向量得到所述输出监测参量的当前监测数据与历史同工况下监测数据的偏离度向量，包括：根据当前时刻齿轮箱运行监测数据和历史同一时期内的正常状态的运行监测数据，建立齿轮箱当前运行监测数据矩阵和历史运行监测数据矩阵；建立各输出监测参量的当前工况数据矩阵和历史工况数据矩阵，并计算所述当前工况数据矩阵与历史工况数据矩阵的相近度矩阵；根据所述相近度矩阵确定与所述各输出监测参量的当前工况数据最相近历史工况下的数据标签向量，并根据所述最相近历史工况下的数据标签向量获取所述各输出监测参量的历史最相近工况下的监测数据；计算所述各输出监测参量的当前运行监测数据与所述历史最相近工况下的监测数据的偏离度向量。
[0016]进一步地，所述根据隶属度和预设证据理论融合所述输出监测参量的分析结果得到齿轮箱综合预警结果，包括：构建D
‑
S证据理论的识别框架和证据源数据；基于所述隶属度获取所述证据源数据中各证据对所述识别框架中各焦元的基本概率分配函数；利用所述D
‑
S证据理论中的Dempster融合规则融合所述各证据的基本概率分配函数，根据融合后的基本概率分配函数得到齿轮箱的综合预警结果。
[0017]进一步地，在所述建立各输出监测参量的当前工况数据矩阵和历史工况数据矩阵之后，所述方法还包括：对所述各输出监测参量的当前工况数据矩阵和历史工况数据矩阵进行归一化处理。
[0018]为达到上述目的，本专利技术另一方面提出了一种基于纵向对比与证据融合的风电机
组齿轮箱综合预警系统，包括：
[0019]向量构建模块，用于根据风电机组运行监测数据构建齿轮箱的输入监测参量向量和输出监测参量向量；
[0020]偏离度计算模块，用于基于所述输出监测参量向量构建所述输出监测参量的预警模型，根据所述预警模型和所述输出监测参量向量得到所述输出监测参量的当前运行监测数据与历史同工况下监测数据的偏离度向量；
[0021]融合分析模块，用于根据所述偏离度向量计算所述输出监测参量向量的当前运行监测数据对预设偏离度预警阈值的隶属度，根据所述隶属度和预设的证据理论融合所述输出监测参量的分析结果得到齿轮箱综合预警结果；
[0022]预警输出模块，用于根据所述齿轮箱综合预警结果，确定齿轮箱当前运行监测数据的预警等级。
[0023]本专利技术实施例的基于纵向对比与证据融合的风电机组本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于纵向对比与证据融合的风电机组齿轮箱综合预警方法，其特征在于，包括以下步骤：根据风电机组运行监测参量构建齿轮箱输入监测参量向量和输出监测参量向量；基于所述输出监测参量向量构建所述输出监测参量的预警模型，根据所述预警模型和所述输出监测参量向量得到所述输出监测参量的当前运行监测数据与历史同工况下监测数据的偏离度向量；根据所述偏离度向量计算所述输出监测参量向量的当前运行监测数据对预设偏离度预警阈值的隶属度，根据所述隶属度和预设的证据理论融合所述输出监测参量的分析结果得到齿轮箱综合预警结果；根据所述齿轮箱综合预警结果，确定齿轮箱当前运行监测数据的预警等级。2.根据权利要求1所述的方法，其特征在于，所述风电机组运行监测参量包括以下数据中的至少一种：机组功率、风速、发电机转速、齿轮箱油泵出口压力、齿轮箱油泵进口压力、齿轮箱油液温度、齿轮箱前端轴承温度、齿轮箱后端轴承温度和机舱温度。3.根据权利要求1所述的方法，其特征在于，所述根据预警模型和所述输出监测参量向量得到所述输出监测参量的当前监测数据与历史同工况下监测数据的偏离度向量，包括：根据当前时刻齿轮箱运行监测数据和历史同一时期内的正常状态的运行监测数据，建立齿轮箱当前运行监测数据矩阵和历史运行监测数据矩阵；建立各输出监测参量的当前工况数据矩阵和历史工况数据矩阵，并计算所述当前工况数据矩阵与历史工况数据矩阵的相近度矩阵；根据所述相近度矩阵确定与所述各输出监测参量的当前工况数据最相近历史工况下的数据标签向量，并根据所述最相近历史工况下的数据标签向量获取所述各输出监测参量的历史最相近工况下的监测数据；计算所述各输出监测参量的当前运行监测数据与所述历史最相近工况下的监测数据的偏离度向量。4.根据权利要求1所述的方法，其特征在于，所述根据隶属度和预设证据理论融合所述输出监测参量的分析结果得到齿轮箱综合预警结果，包括：构建D
‑
S证据理论的识别框架和证据源数据；基于所述隶属度获取所述证据源数据中各证据对所述识别框架中各焦元的基本概率分配函数；利用所述D
‑
S证据理论中的Dempster融合规则融合所述各证据的基本概率分配函数，根据融合后的基本概率分配函数得到齿轮箱的综合预警结果。5.根据权利要求3所述的方法，其特征在于，在所述建立各输出监测参量的当前工况数据矩阵和历史工况数据矩阵之后，所述方法还包括：对所述各输出监测参量的当前工况数据矩阵和历史工况数据矩阵进行归一化处理...

【专利技术属性】
技术研发人员：汪臻，张晓辉，苏人奇，邓巍，赵勇，忻一豪，王加远，张恩享，
申请(专利权)人：华能浙江能源开发有限公司清洁能源分公司，
类型：发明
国别省市：