【技术实现步骤摘要】
本专利技术涉及风力发电机组，尤其是一种风力发电机组部件健康度评估方法。
技术介绍
1、随着我国风力发电的大力推广和平价上网的逐步推行,风电行业尤其是各主机厂,不得不开始关注成本。降本,除了降低制造成本,运行和维护成本也是不得不考虑的点。其中,大部件更换成本从几万到上百万不等。受设计、制造工艺以及后期运维质量影响,实际上,大部件的更换频率并不低。这就对机组的稳定运行提出了更高要求，而故障预警就是重要的手段之一。
2、传统的主控、监控系统仅仅有基于固定阈值的报警监测手段。不能针对单台机组给出定制化的报警参数，且一般控制系统报警均发生在设备已发生不可逆损伤之后，无法提供部件实时的健康状态。因此，定制化的部件健康状态评估方法的提出十分必要。
技术实现思路
1、本专利技术的专利技术目的在于：针对上述存在的问题，提供一种风力发电机组部件健康度评估方法，能够提前发现故障趋势，并根据该趋势作出相关操作，防止设备发生不可逆损伤。
2、本专利技术采用的技术方案如下：
3、一种风力发电机组部件健康度评估方法，包括以下步骤：
4、步骤1、基于单台机组的历史运行数据的运行数据，对数据进行异常剔除和错位处理；
5、步骤2、建立某个部件温度和其运行工况的基准模型；
6、步骤3、基于步骤1的数据训练模型，获取该基准模型在训练集上的预测残差，统计这一组残差获取其预警边界；
7、步骤4、输入实时工况数据，模型将输出理论健康温度值，综合
8、可选择的，步骤1中，剔除调试期数据后，选择机组投运第1年的运行数据作为历史运行数据。
9、可选择的，步骤1中，还需根据不同部件的特性，选定时间窗口。
10、可选择的，步骤1中，初步选取数据后，利用相关性分析对选取的数据进行进一步的分析。
11、可选择的，步骤2中，模型搭建基于lstm的神经网络。
12、可选择的，基于大量故障案例，对该神经网络中涉及的优化参数进行寻优。
13、可选择的，所述优化参数包括网络层数、每层神经元数、迭代次数、时间序列长度。
14、可选择的，步骤3中，还需要验证该组残差是否基本满足正态分布，如果严重不符合则返回上一部分重新训练模型。
15、可选择的，步骤3中，统计该组残差的均值μ和标准差σ，计算μ±2σ和μ±3σ得到初级预警和严重预警线。
16、可选择的，步骤4中，将当前实时运行数据做同样的异常剔除、错位处理和时序处理，输入模型，得到预测值。
17、综上所述，由于采用了上述技术方案，本专利技术的有益效果是：
18、1、本专利技术所提供的一种风力发电机组部件健康度评估方法，可以差异化且直观地对每一台机组地主要部件进行状态评估和故障预警。可以提前发现设备早期异常，及时处理，将能有效减少机组故障停机、减少大部件下架带来的巨大损失。同时，本方法的扩展性较好，不同品牌的的机组均可使用本方法。
19、2、本专利技术所提供的一种风力发电机组部件健康度评估方法，该方法中每一台机组的每一个部件的预测模型皆是基于其历史运行数据所训练而来，实现了定制化；对运行数据进行错位处理，拟合了实际物理规律；引入基于概率思想的“3σ原则”，量化了预测残差的偏离程度；引入了基于一个时间内残差的综合评分算法，对部件状态进行了更直观的表示。
本文档来自技高网...【技术保护点】
1.一种风力发电机组部件健康度评估方法，其特征在于：包括以下步骤：
2.如权利要求1所述的风力发电机组部件健康度评估方法，其特征在于：步骤1中，剔除调试期数据后，选择机组投运第1年的运行数据作为历史运行数据。
3.如权利要求1所述的风力发电机组部件健康度评估方法，其特征在于：步骤1中，还需根据不同部件的特性，选定时间窗口。
4.如权利要求1所述的风力发电机组部件健康度评估方法，其特征在于：步骤1中，初步选取数据后，利用相关性分析对选取的数据进行进一步的分析。
5.如权利要求1所述的风力发电机组部件健康度评估方法，其特征在于：步骤2中，模型搭建基于LSTM的神经网络。
6.如权利要求5所述的风力发电机组部件健康度评估方法，其特征在于：基于大量故障案例，对该神经网络中涉及的优化参数进行寻优。
7.如权利要求6所述的风力发电机组部件健康度评估方法，其特征在于：所述优化参数包括网络层数、每层神经元数、迭代次数、时间序列长度。
8.如权利要求1所述的风力发电机组部件健康度评估方法，其特征在于：步骤3中，还需
9.如权利要求8所述的风力发电机组部件健康度评估方法，其特征在于：步骤3中，统计该组残差的均值μ和标准差σ，计算μ±2σ和μ±3σ得到初级预警和严重预警线。
10.如权利要求1所述的风力发电机组部件健康度评估方法，其特征在于：步骤4中，将当前实时运行数据做同样的异常剔除、错位处理和时序处理，输入模型，得到预测值。
...【技术特征摘要】
1.一种风力发电机组部件健康度评估方法，其特征在于：包括以下步骤：
2.如权利要求1所述的风力发电机组部件健康度评估方法，其特征在于：步骤1中，剔除调试期数据后，选择机组投运第1年的运行数据作为历史运行数据。
3.如权利要求1所述的风力发电机组部件健康度评估方法，其特征在于：步骤1中，还需根据不同部件的特性，选定时间窗口。
4.如权利要求1所述的风力发电机组部件健康度评估方法，其特征在于：步骤1中，初步选取数据后，利用相关性分析对选取的数据进行进一步的分析。
5.如权利要求1所述的风力发电机组部件健康度评估方法，其特征在于：步骤2中，模型搭建基于lstm的神经网络。
6.如权利要求5所述的风力发电机组部件健康度评估方法，其特征在于：基于大...
【专利技术属性】
技术研发人员：程远建，高若愚，王斌，张世杰，安煌，
申请(专利权)人：东方电气新能科技成都有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。