一种风力发电机扫膛异常识别方法、系统及计算机设备技术方案

本发明专利技术属于风力发电机扫膛异常识别技术领域，具体涉及一种风力发电机扫膛异常识别方法，通过三个条件来判断是否扫膛异常：1)采用启机前的平均风速来判断发电机是否存在扫膛等异常；2)通过对比发电过程中的各功率段下的发电机温升来判断发电机是否存在扫膛异常；3)通过比对发电机冷却系统进出风口的脏污情况，判断发电机是否存在扫膛异常。通过大数据的分析方法对一段运行时间的整场风机进行纵向对比，有效识别出机组存在着发电机扫膛风险，可大幅提高准确度，且采用的数据为机组常规SCADA运行数据和机舱已有常规摄像头，不需要加装额外的传感信息，其有效性好。其有效性好。其有效性好。

【技术实现步骤摘要】
一种风力发电机扫膛异常识别方法、系统及计算机设备


[0001]本专利技术属于风力发电机扫膛异常识别
，具体涉及一种风力发电机扫膛异常识别方法、系统及计算机设备。

技术介绍

[0002]发电机是风电机组的核心部件之一，当风吹动叶轮，通过轴承带动齿轮箱以及与齿轮箱相连接的发电机转子，转子再通过磁场与定子建立扭矩传输关系，从而将动能转换成电能。随着发电机组的大型化，发电机直径越来越大，且为了降低磁阻，节省成本，定转子之间的设计间隙也有逐渐变小的趋势，一旦出现轴承不对中或是受到载荷冲击导致偏心、结构形变，就会出现定转子气隙变小，极端出现定子和转子表面磨碰，也就是所谓的扫膛现象。
[0003]扫膛现象已经成为了影响发电机大部件损坏的一个主要原因之一。由于定转子之间的间隙存在于电机内部，即使出现扫膛现象，很难被运维人员发现。碰撞之后随着时间推移，会造成转子结构脱落、绝缘磨损直至电机出现绝缘击穿故障，严重时还会造成火灾等重大安全事件的发生。
[0004]经检索，比如专利文献CN207382074U
‑
一种单轴承风力发电机定转子防扫膛结构、CN201536255U
‑
发电机、电动机扫膛保护器、CN201515212U
‑
电动机或发电机保膛监控装置，其解决方式主要以增加额外设备进行防扫膛的保护。
[0005]目前针对电机设备扫膛识别的方法很少，而针对已经存在的批量运行机组却没有办法进行识别和保护。

技术实现思路

[0006]本专利技术的目的在于提供一种风力发电机扫膛异常识别方法、系统及计算机设备，解决了批量运行机组没有办法进行识别和保护的问题。
[0007]本专利技术是通过以下技术方案来实现：
[0008]一种风力发电机扫膛异常识别方法，包括以下步骤：
[0009]S1、获取目标风电场的实时监控数据和机组运行数据，并进行数据清洗，清洗后的数据包括每台机组的启机数据、发电状态下的发电机温升数据、发电机冷却系统进出风口图像；
[0010]S2、将每台机组的启机数据输入到构建的启机时刻的平均风速模型中，计算得到每台机组的启机平均风速Viavg，及全场所有机组的启机平均风速Vavg；
[0011]将每台机组的在发电状态下的发电机温升数据输入到构建的发电机温升计算模型中，计算得到每台机组的各功率分仓内的发电机平均温升Tki，及全场所有机组的每个功率段发电机平均温升Tkavg；
[0012]将每台机组的发电机冷却系统进出风口图像输入到图像识别模型中，识别出脏污的照片数量Nbi和总照片数量Ni；
[0013]其中，i＝1,2...N，i表示机组编号；k＝1,2...K，k表示分仓数；
[0014]S3、扫膛异常的确定通过以下3个条件进行判断：
[0015]条件1：将每台机组的启机平均风速Viavg与全场所有机组的启机平均风速Vavg进行比对，如果超出风速阈值，则认定条件1满足；
[0016]条件2：将每台机组的每个功率段发电机平均温升Tki与全场所有机组的发电机平均温升Tavg进行比对，如果超出温升阈值的分仓数超过预设分仓数，则认定条件2满足；
[0017]条件3：根据识别出脏污的照片数量Nbi和总照片数量Ni，计算每台机组的负样本与总样本的比值，若比值超过设定阈值时，则认定条件3满足；
[0018]当条件1或条件2满足，且条件3同时满足时，则判断风力发电机扫膛异常。
[0019]进一步，S1中，针对机组运行数据的清洗具体为：重复值删除、缺失值补充或/和中断数据剔除；
[0020]针对实时监控数据的清洗具体为：去除模糊或拍照位置异常图片。
[0021]进一步，S2中，将每台机组的启机数据输入到构建的启机时刻的平均风速模型中，计算得到每台机组的启机平均风速Viavg，及全场所有机组的启机平均风速Vavg；具体为：
[0022]2.11)对每台机组运行数据进行状态识别，识别出标识为启机的数据；
[0023]2.12)提取全场所有机组每次启机开始时刻前tmin内的风速序列，并计算这tmin内的机组启机平均风速V i
j
，i＝1,2...N,i表示机组编号；j＝1,2...M，j表示启机次数；
[0024]2.13)对现场所有机组的启机平均风速V i
j
进行排序，剔除x％最大值和X％最小值，保留合格的Vi
j
；
[0025]2.14)针对剔除后的数据进行计算，计算每台机组的启机平均风速Viavg，再将合格的Vi
j
取平均值得到全场所有机组的启机平均风速Vavg。
[0026]进一步，S2中，将每台机组的在发电状态下的发电机温升数据输入到构建的发电机温升计算模型中，计算得到每台机组的各功率分仓内的发电机平均温升Tki，及全场所有机组的每个功率段发电机平均温升Tkavg；具体为：
[0027]2.21)识别出发电状态和启机状态，提取全场所有机组在发电状态下的发电机温升数据，并记录与发电机温升对应的发电功率P；
[0028]2.22)根据发电功率对温升进行分仓：将功率范围0
‑
Pr分为k个区间，Pr为额定功率；
[0029]计算每个机组的各功率分仓内的平均发电机温升Tki；
[0030]2.23)根据2.22)中求取的Tki计算得到全场机组的每个功率段下的发电机平均温升，用T1avg、T2avg
……
Tkavg来表示；
[0031]Tkavg＝(Tk1+Tk2+
…
+TkN)/N，N为机组号。
[0032]进一步，S2中，将每台机组的发电机冷却系统进出风口图像输入到图像识别模型中，识别出脏污的照片数量Nbi和总照片数量Ni；具体为：
[0033]2.31)图形分类：将发电机冷却系统进出风口图像进行分类，标识时间及机组；
[0034]2.32)图形清洗：基于图形识别法，去除失效图片；
[0035]2.33)图形识别：基于图像识别法和机器学习方法，对发电机冷却系统进出风口图像的脏污程度进行比对和识别；
[0036]2.34)识别出脏污的照片数量Nbi和总照片数量Ni。
[0037]进一步，S3中，条件1的表达式为：Viavg
‑
Vavg>V1；V1为风速阈值。
[0038]进一步，S3中，条件2的表达式为：Tki
‑
Tkavg>T0，T0为温升阈值；
[0039]且超过温升阈值T0的分仓数大于等于y，y为预设分仓数。
[0040]进一步，根据S3的结果进行提示，具体为：
[0041]当条件1或条件2满足，同时满足条件3时，则进行运维提示；
[0042]条件3中的设定阈值为K0，K0设为三挡，分比为K1、K2和K3，且有K3>K2本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种风力发电机扫膛异常识别方法，其特征在于，包括以下步骤：S1、获取目标风电场的实时监控数据和机组运行数据，并进行数据清洗，清洗后的数据包括每台机组的启机数据、发电状态下的发电机温升数据、发电机冷却系统进出风口图像；S2、将每台机组的启机数据输入到构建的启机时刻的平均风速模型中，计算得到每台机组的启机平均风速Viavg，及全场所有机组的启机平均风速Vavg；将每台机组的在发电状态下的发电机温升数据输入到构建的发电机温升计算模型中，计算得到每台机组的各功率分仓内的发电机平均温升Tki，及全场所有机组的每个功率段发电机平均温升Tkavg；将每台机组的发电机冷却系统进出风口图像输入到图像识别模型中，识别出脏污的照片数量Nbi和总照片数量Ni；其中，i＝1,2...N，i表示机组编号；k＝1,2...K，k表示分仓数；S3、扫膛异常的确定通过以下3个条件进行判断：条件1：将每台机组的启机平均风速Viavg与全场所有机组的启机平均风速Vavg进行比对，如果超出风速阈值，则认定条件1满足；条件2：将每台机组的每个功率段发电机平均温升Tki与全场所有机组的发电机平均温升Tavg进行比对，如果超出温升阈值的分仓数超过预设分仓数，则认定条件2满足；条件3：根据识别出脏污的照片数量Nbi和总照片数量Ni，计算每台机组的负样本与总样本的比值，若比值超过设定阈值时，则认定条件3满足；当条件1或条件2满足，且条件3同时满足时，则判断风力发电机扫膛异常。2.根据权利要求1所述的一种风力发电机扫膛异常识别方法，其特征在于，S1中，针对机组运行数据的清洗具体为：重复值删除、缺失值补充或/和中断数据剔除；针对实时监控数据的清洗具体为：去除模糊或拍照位置异常图片。3.根据权利要求1所述的一种风力发电机扫膛异常识别方法，其特征在于，S2中，将每台机组的启机数据输入到构建的启机时刻的平均风速模型中，计算得到每台机组的启机平均风速Viavg，及全场所有机组的启机平均风速Vavg；具体为：2.11)对每台机组运行数据进行状态识别，识别出标识为启机的数据；2.12)提取全场所有机组每次启机开始时刻前tmin内的风速序列，并计算这tmin内的机组启机平均风速V i
j
，i＝1,2...N,i表示机组编号；j＝1,2...M，j表示启机次数；2.13)对现场所有机组的启机平均风速V i
j
进行排序，剔除x％最大值和X％最小值，保留合格的Vi
j
；2.14)针对剔除后的数据进行计算，计算每台机组的启机平均风速Viavg，再将合格的Vi
j
取平均值得到全场所有机组的启机平均风速Vavg。4.根据权利要求1所述的一种风力发电机扫膛异常识别方法，其特征在于，S2中，将每台机组的在发电状态下的发电机温升数据输入到构建的发电机温升计算模型中，计算得到每台机组的各功率分仓内的发电机平均温升Tki，及全场所有机组的每个功率段发电机平均温升Tkavg；具体为：2.21)识别出发电状态和启机状态，提取全场所有机组在发电状态下的发电机温升数据，并记录与发电机温升对应的发电功率P；2.22)根据发电功率对温升进行分仓：将功率范围0
‑
Pr分为k个区间，Pr为额定功率；
计算每个机组的各功率分仓内的平均发电机温升Tki；2.23)根据2.22)中求取的Tki计算得到全场机组的每个功率段下的...

【专利技术属性】
技术研发人员：范满元，张新丽，赵鹏程，胡照宇，郑延程，李军庆，郑新建，周后慧，任鑫，童彤，王华，周利，
申请(专利权)人：华能湖南苏宝顶风电有限责任公司，
类型：发明
国别省市：