System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种风力发电机振动故障预测方法技术_技高网

一种风力发电机振动故障预测方法技术

技术编号:40766533 阅读:4 留言:0更新日期:2024-03-25 20:16
本发明专利技术提供了一种风力发电机振动故障预测方法,包括机组表现收集,故障原因分析,数据获取,数据处理,建立振动故障预测模型并优化以及振动故障预测模型验证。本发明专利技术提供的一种风力发电机振动故障预测方法,通过结合风资源、地形数据预测故障,在风电场开发过程中从选址阶段开始的任意阶段,就能定量的评估所选机位振动风险,进而帮助决策、提前采取改进方案,降低故障损失,能够更加客观、真实地预测故障,排查指定机位、指定风区的定量的故障风险。

【技术实现步骤摘要】

本专利技术涉及风力发电设备故障检测,尤其涉及一种风力发电机振动故障预测方法


技术介绍

1、风力发电机振动问题是长久以来一直存在的痛点问题,传统风机设计是通过动力学模型对于不同的振动源进行分析和预测,接着在风机实际运行阶段,采集振动等测量信号,通过故障诊断的方法监控和预测。

2、经过动力学模型设计的风机在现场存在大面积的振动故障,具体表现为机舱加速度超限故障。故障主要为三倍转速频率的振动故障,经故障根因分析,主要原因为风机自身的塔影效应、以及由地形等原因引起的风不规则波动。

3、动力学模型方法仅能考虑湍流、风切变两个关于风波动指标。但经过实际测量和分析,风机实际风况十分复杂,不可能仅用这两个指标概括,具体表现最少包括局部的风向突变、风速陡增、风速突降、极端风扭转、高低层风险变化等,这些情况在传统动力学模型中无法全部考量。因此亟待新的风力发电机振动故障检测方法。


技术实现思路

1、为了解决现有技术的不足,本专利技术提供了一种风力发电机振动故障预测方法,通过结合风资源、地形数据预测故障,在风电场开发过程中从选址阶段开始的任意阶段,就能定量的评估所选机位振动风险,进而帮助决策、提前采取改进方案,降低故障损失,能够更加客观、真实地预测故障,排查指定机位、指定风区的定量的故障风险。

2、本专利技术为解决其技术问题所采用的技术方案是:提供了一种风力发电机振动故障预测方法,包括以下步骤:

3、s1、机组表现收集;

4、s2、故障原因分析

5、s3、数据获取;

6、s4、数据处理;

7、s5、建立振动故障预测模型并优化;

8、s6、振动故障预测模型验证。

9、步骤s2所述的故障原因分析具体包括故障表现提取、故障规律总结和故障机位点分析。

10、步骤s3所述的数据获取具体包括采集设备基本信息、风资源数据、故障数据和地形数据。

11、步骤s4所述的数据处理具体包括剔除离群值探索处理、缺失值探索处理和相关性分析。

12、步骤s5具体包括以下步骤:

13、s5.1、采用多元线性回归方法建立振动故障预测模型;

14、s5.2、利用逐步回归法确定采用的变量;

15、s5.3、通过过残差诊断分析法评估振动故障预测模型的有效性并进行优化;

16、s5.4、分析故障预测模型的预测值;

17、s5.5、通过box-cox方法对预测值中的异常数据进行处理;

18、s5.6、重复步骤s5.2至s5.5直到振动故障预测模型最优。

19、步骤s6选取随机样本输入振动故障预测模型进行验证。

20、本专利技术基于其技术方案所具有的有益效果在于:

21、本专利技术通过描述性统计分析,得到故障特点及规律,使用鱼骨图进行故障根因分析,确定故障机理和影响因素,进而归纳分析得到故障机位上的地形、风资源特点,接着根据故障原因搜集、构建数据,通过离散值分析、缺失值分析、相关性分析处理数据,构建地形指标、风资源指标与故障值的相互间的定量关系,主要采用多元线性的建模方法实现。建模过程中,采用主成分分析法将数据降维,采用逐步回归法选择更有效的变量,采用残差值分析法检验模型,采用box-cox变换等方法优化模型,最后可使用python脚本等方式发布预测模型公式便于使用,并通过不同的大样本对模型准确性进行验证。相比于动力学模型的方式,本专利技术能够更加客观、真实地预测,指定机位、指定风区的定量的故障风险,对于常年排名第一的痛点问题振动故障,可以在风机各阶段包括吊装以前,预测其振动故障的定量水平,帮助提前预防故障,权衡利弊,提前采取措施,避免运行中故障带来的质量成本损失。

本文档来自技高网...

【技术保护点】

1.一种风力发电机振动故障预测方法,其特征在于包括以下步骤:

2.根据权利要求1所述的风力发电机振动故障预测方法,其特征在于:步骤S2所述的故障原因分析具体包括故障表现提取、故障规律总结和故障机位点分析。

3.根据权利要求1所述的风力发电机振动故障预测方法,其特征在于:步骤S3所述的数据获取具体包括采集设备基本信息、风资源数据、故障数据和地形数据。

4.根据权利要求1所述的风力发电机振动故障预测方法,其特征在于:步骤S4所述的数据处理具体包括剔除离群值探索处理、缺失值探索处理和相关性分析。

5.根据权利要求1所述的风力发电机振动故障预测方法,其特征在于:步骤S5具体包括以下步骤:

6.根据权利要求1所述的风力发电机振动故障预测方法,其特征在于:步骤S6选取随机样本输入振动故障预测模型进行验证。

【技术特征摘要】

1.一种风力发电机振动故障预测方法,其特征在于包括以下步骤:

2.根据权利要求1所述的风力发电机振动故障预测方法,其特征在于:步骤s2所述的故障原因分析具体包括故障表现提取、故障规律总结和故障机位点分析。

3.根据权利要求1所述的风力发电机振动故障预测方法,其特征在于:步骤s3所述的数据获取具体包括采集设备基本信息、风资源数据、故障数据和地形数据。

...

【专利技术属性】
技术研发人员:郭晓亮孙凯
申请(专利权)人:陕西中科启航科技有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1