一种风电机组关键部件平均故障间隔时间评估方法技术

本发明专利技术实施例提供一种风电机组关键部件平均故障间隔时间评估方法，通过收集风电机组的故障数据与性能退化数据，获取二组所述风电机组的寿命数据模拟值并进行融合，进行分布函数初选，基于融合后的寿命数据为选出融合后数据的最优分布选取分布函数；进行拟合优度检验；确定至少包括对数正态分布函数

【技术实现步骤摘要】
一种风电机组关键部件平均故障间隔时间评估方法


[0001]本专利技术属于可靠性分析
，特别涉及一种风电机组关键部件平均故障间隔时间评估方法。

技术介绍

[0002]平均故障间隔时间(MTBF)是反映风电机组可靠性的重要指标之一，可以反应风电机组的可靠性综合水平，在对风力发电机组进行可靠性评估时，可采用MTBF作为主要的可靠性定量评估参数。传统的MTBF的评估方法大多都是基于试验数据进行的，风电机组关键部件难于在场内开展关于部件的可靠性试验，缺乏部件可靠性数据。而利用现场运行数据进行产品MTBF估计的方法，其应用具有局限性，需要进一步挖掘风电机组相关的可靠性信息，用于关键部件MTBF估计。
[0003]其中，刘坤等人在对风电机的叶片做可靠性分析时，通过搭建风电机组叶片的测试系统，预先通过搭建的风电机组叶片弯曲位移值测试系统测量风电机组叶片静止时不同高度位置处的初始净空距离，求出测试时风电机组叶片不同高度位置处在不同的主控信号以及不同工况下的弯曲位移值，然后将此弯曲位移值比对仿真数据，进行评估；李凌飞等人通过建立包括变流器故障模型的风本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种风电机组关键部件平均故障间隔时间评估方法，用于风电机组的可靠性评估，其特征在于，所述方法，包括：S101、收集风电机组的故障数据与性能退化数据，其中，所述故障数据包括风电场现场安装的风电机组运行故障数据T；S102、基于抽样仿真，获取二组所述风电机组的寿命数据模拟值并进行融合，其中，在抽样时按照机组原故障数据样本量n1与机组性能退化数据样本量n的比例进行，设抽样后的机组故障数量是p，抽样后的机组性能退化数据量是q，抽样比例为式中，n与n1分别为性能退化数据与故障数据的原始数据；q与p为性能退化数据与故障数据按比例抽样后的寿命数据；S103、进行分布函数初选，基于融合后的寿命数据为选出融合后数据的最优分布，选取至少包括对数正态分布函数、指数函数和双参数威布尔函数的分布函数，并分别将所述分布函数线性化；S104、在选取所述分布函数后，对其进行拟合优度检验；S105、确定至少包括对数正态分布函数、指数函数和双参数威布尔函数的所述分布函数的概率密度函数、参数点估计；S106、计算所述分布函数的可靠度点估计、可靠度置信极限估计结构、关键部件MTBF点估计和置信度极限估计结果MTBF
L
。2.根据权利要求1所述的一种风电机组关键部件平均故障间隔时间评估方法，其特征在于，基于融合后的寿命数据为选出融合后数据的最优分布，包括：令Y＝h[F(t)]，X＝g(t),使Y和X呈线性关系Y与F(t)，X与t具有数值上一一对应关系，则，对数正态的分布函数线性化，进行X
‑
Y坐标变换，Y＝u
Dα
→
φ(u
Dα
)，X＝lnt；指数分布的分布函数线性化，F(t)＝1
‑
e
‑
λt
进行X
‑
Y坐标变换，Y＝ln[1
‑
F(t)]，X＝t；双参数威布尔分布的分布函数线性化，进行X
‑
Y坐标变换，X＝lnt；根据样本数据获得故障时间，得到c个数据[t
(i)
F(t
(i)
)]，对应X
‑
Y坐标值在对应分布函数上标点，再用最小二乘法拟合直线：式中b
0k
、b
1k
为拟合直线的线性参数；k为选择的概率图数
令残差平方和偏导数等于零，即则将求得的拟合直线的截距和斜率代入残差平方和公式，得到分布函数拟合直线的残差平方和，即式中，Y
ki
、X
ki
为第i个数据点的横坐标及纵坐标读值；比较所述残差平方和的大小，根据Q
k
值最小选择分布函数。3.根据权利要求2所述的一种风电机组关键部件平均故障间隔时间评估方法，其特征在于，在选取所述分布函数后，对其进行拟合优度检验，包括：设定检验的分布函数：H0:F(t)＝F0(t)划分k
χ
个取值区间，并计算(a0,a1],
…
,(a
i
‑1,a
...

【专利技术属性】
技术研发人员：冯玲玲，韩放，唐庆，方晓彤，邓陈立，薛殊飞，李乐晓，武朔晨，王传朋，戴超，
申请(专利权)人：中国船舶集团有限公司综合技术经济研究院，
类型：发明
国别省市：