一种风力发电机组轴承故障预警方法技术

本申请涉及风力发电机组轴承检测领域，公开了一种风力发电机组轴承故障预警方法

【技术实现步骤摘要】
一种风力发电机组轴承故障预警方法、装置、设备及介质


[0001]本申请涉及风力发电机组轴承检测领域，特别是涉及一种风力发电机组轴承故障预警方法
、
装置
、
设备及介质
。

技术介绍

[0002]能源是促进人类生存和发展的重要物质基础
。
为积极响应碳达峰
、
碳中和战略目标，减少环境污染，大量可再生能源得到了开发与应用
。
其中，风能被认为是最具潜力和技术经济性的可再生能源之一，风力发电被视为能有效缓解能源短缺
、
应对环境问题的重要手段
。
[0003]目前，各类轴承部件是风力发电机组出现故障的重灾区之一
。
现有的风力发电机组轴承故障预警策略是在设置故障判定准则时仅考虑了是否超限以及超限点个数对预警结果的影响，容易在残差剧烈波动的情况下出现故障误报
。
[0004]因此，如何解决现有风力发电机组轴承故障预警策略存在的上述问题，是本领域技术人员亟待解决的技术问题
。

技术实现思路

[0005]有鉴于此，本专利技术的目的在于提供一种风力发电机组轴承故障预警方法
、
装置
、
设备及介质，可以有效降低风力发电机组轴承故障漏报与误报的风险，实现准确可靠的故障预警
。
其具体方案如下：
[0006]一种风力发电机组轴承故障预警方法，包括：
[0007]根据风力发电机组的
SCADA
历史数据，建立针对轴承温度的估计模型，并利用所述估计模型获取验证残差序列；
[0008]根据所述验证残差序列，利用3‑
sigma
原则确定轴承温度残差预警阈值并获取轴承故障的基准预警分数；
[0009]利用所述估计模型获取风电发电机组的
SCADA
待测数据对应的应用残差序列；
[0010]将所述应用残差序列与所述轴承温度残差预警阈值进行比较，得到所述应用残差序列的超限情况并计算对应的超限预警分数；
[0011]当所述超限预警分数超过所述基准预警分数时，则进行轴承故障预警
。
[0012]优选地，在本专利技术实施例提供的上述风力发电机组轴承故障预警方法中，所述根据风力发电机组的
SCADA
历史数据，建立针对轴承温度的估计模型，包括：
[0013]获取风电发电机组的
SCADA
历史数据，并从所述
SCADA
历史数据中选取部分数据作为训练集；所述
SCADA
历史数据包括轴承温度；
[0014]利用所述训练集建立针对轴承温度的估计模型
。
[0015]优选地，在本专利技术实施例提供的上述风力发电机组轴承故障预警方法中，所述利用所述估计模型获取验证残差序列，包括：
[0016]从所述
SCADA
历史数据中选取部分风力发电机组健康运行状态下的数据作为验证
集；
[0017]利用所述估计模型获取所述验证集对应的预测轴承温度与实际轴承温度的差值并作为验证残差序列
。
[0018]优选地，在本专利技术实施例提供的上述风力发电机组轴承故障预警方法中，所述根据所述验证残差序列，利用3‑
sigma
原则确定轴承温度残差预警阈值并计算轴承故障的基准预警分数，包括：
[0019]获取所述验证残差序列的平均值和标准差；
[0020]根据所述验证残差序列的平均值和标准差，利用3‑
sigma
原则确定轴承温度残差预警阈值；
[0021]将所述验证残差序列与所述轴承温度残差预警阈值进行比较，得到所述验证残差序列的超限情况；
[0022]获取所述验证残差序列中出现连续超限的最大次数作为轴承故障的基准预警分数
。
[0023]优选地，在本专利技术实施例提供的上述风力发电机组轴承故障预警方法中，所述将所述应用残差序列与所述轴承温度残差预警阈值进行比较，得到所述应用残差序列的超限情况，包括：
[0024]判断所述应用残差序列中的应用残差是否大于所述轴承温度残差预警阈值；若是，则判定应用残差超限；若否，则判定应用残差未超限；
[0025]若当前时刻应用残差超限且在设定时间段内首次出现超限，则判定当前时刻应用残差的超限情况属于单点超限；
[0026]若当前时刻应用残差和上一时刻应用残差均超限，则判定当前时刻应用残差的超限情况属于连续超限；
[0027]若当前时刻应用残差未超限但上一时刻应用残差超限，则判定当前时刻应用残差的超限情况属于超限消失；
[0028]若当前时刻应用残差超限，上一时刻应用残差未超限且历史时间内曾出现过超限，则判定当前时刻应用残差的超限情况属于重新超限
。
[0029]优选地，在本专利技术实施例提供的上述风力发电机组轴承故障预警方法中，采用下述公式计算所述应用残差序列中每一时刻应用残差对应的超限预警分数，包括：
[0030][0031][0032][0033][0034]其中，表示单点超限的预警分数，表示应用残差超过轴承温度残差预警阈值
UCL
的偏差大小，表示验证残差超过轴承温度残差预警阈值
UCL
的偏差的均值，
tanh
函数用于归一化，
n
tr
表示所述基准预警分数，参数
λ1表示变化率，表示连续
超限的预警分数，表示应用残差序列第次连续超限，表示在
t
时刻残差已连续超限的次数，
S
*
表示上一时刻是单点超限或重新超限的预警分数，表示超限消失的预警分数，表示超限消失前应用残差序列中已超限的总次数，参数
λ2表示衰减变化率，表示重新超限的预警分数，表示上一时刻超限消失的预警分数
。
[0035]优选地，在本专利技术实施例提供的上述风力发电机组轴承故障预警方法中，所述当所述超限预警分数超过所述基准预警分数时，则进行轴承故障预警，包括：
[0036]判断所述应用残差序列中属于连续超限的应用残差对应的预警分数是否超过所述基准预警分数；
[0037]若是，则进行轴承故障预警；若否，则判定当前时刻轴承状态未发生故障
。
[0038]本专利技术实施例还提供了一种风力发电机组轴承故障预警装置，包括：离线训练模块和在线应用模块；
[0039]所述离线训练模块包括验证残差序列获取单元和基准预警分数获取单元；所述在线应用模块包括应用残差序列获取单元
、
超限预警分数获取单元和轴承故障预警单元；
[0040]所述验证残差序列获取单元，用于根据风力发电机组的
SCADA
历史数据，建立针对轴承温度的估计模型，并利用所述估计模型获取验证残差序列；
[0041]所述基准预警分本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种风力发电机组轴承故障预警方法，其特征在于，包括：根据风力发电机组的
SCADA
历史数据，建立针对轴承温度的估计模型，并利用所述估计模型获取验证残差序列；根据所述验证残差序列，利用3‑
sigma
原则确定轴承温度残差预警阈值并获取轴承故障的基准预警分数；利用所述估计模型获取风电发电机组的
SCADA
待测数据对应的应用残差序列；将所述应用残差序列与所述轴承温度残差预警阈值进行比较，得到所述应用残差序列的超限情况并计算对应的超限预警分数；当所述超限预警分数超过所述基准预警分数时，则进行轴承故障预警
。2.
根据权利要求1所述的风力发电机组轴承故障预警方法，其特征在于，所述根据风力发电机组的
SCADA
历史数据，建立针对轴承温度的估计模型，包括：获取风电发电机组的
SCADA
历史数据，并从所述
SCADA
历史数据中选取部分数据作为训练集；所述
SCADA
历史数据包括轴承温度；利用所述训练集建立针对轴承温度的估计模型
。3.
根据权利要求2所述的风力发电机组轴承故障预警方法，其特征在于，所述利用所述估计模型获取验证残差序列，包括：从所述
SCADA
历史数据中选取部分风力发电机组健康运行状态下的数据作为验证集；利用所述估计模型获取所述验证集对应的预测轴承温度与实际轴承温度的差值并作为验证残差序列
。4.
根据权利要求1所述的风力发电机组轴承故障预警方法，其特征在于，所述根据所述验证残差序列，利用3‑
sigma
原则确定轴承温度残差预警阈值并计算轴承故障的基准预警分数，包括：获取所述验证残差序列的平均值和标准差；根据所述验证残差序列的平均值和标准差，利用3‑
sigma
原则确定轴承温度残差预警阈值；将所述验证残差序列与所述轴承温度残差预警阈值进行比较，得到所述验证残差序列的超限情况；获取所述验证残差序列中出现连续超限的最大次数作为轴承故障的基准预警分数
。5.
根据权利要求1所述的风力发电机组轴承故障预警方法，其特征在于，所述将所述应用残差序列与所述轴承温度残差预警阈值进行比较，得到所述应用残差序列的超限情况，包括：判断所述应用残差序列中的应用残差是否大于所述轴承温度残差预警阈值；若是，则判定应用残差超限；若否，则判定应用残差未超限；若当前时刻应用残差超限且在设定时间段内首次出现超限，则判定当前时刻应用残差的超限情况属于单点超限；若当前时刻应用残差和上一时刻应用残差均超限，则判定当前时刻应用残差的超限情况属于连续超限；若当前时刻应用残差未超限但上一时刻应用残差超限，则判定当前时刻应用残差的超限情况属于超限消失；
若当前时刻应用残差超限，上一时刻应用残差未超限且历史时间内曾出现过超限，则判定当前时刻应用残差的超限情况属于重新超限
。6.
根据权利要求5所述的风力...

【专利技术属性】
技术研发人员：孙勇，王琳，杨秦敏，王瑞良，孟文超，陈积明，陈棋，孙优贤，李超，范振宇，
申请(专利权)人：浙江大学，
类型：发明
国别省市：