一种风电机组主轴承早期劣化状态检测方法及系统技术方案

本发明专利技术属于风力发电技术领域，提供一种风电机组主轴承早期劣化状态检测方法及系统，方法包括：获取风电机组在正常运行状态下的历史SCADA数据集和当前运行状态下的在线SCADA数据集；分别进行前期处理，得到样本数据集和待输入数据集；通过样本数据集对多头自注意力神经网络模型进行训练和测试，得到主轴承温度预测模型；将待输入数据集输入主轴承温度预测模型，得到温度预测值；依据温度预测值和温度实测值，确定反归一化预测残差，若反归一化预测残差超出设定残差阈值，则判定风电机组主轴承出现早期异常状态；对出现早期异常状态的风电机组主轴承进行滑窗异常统计，得到早期劣化状态检测结果。提升了检测精度和检测环节的可行性。

【技术实现步骤摘要】

本专利技术涉及风力发电，尤其涉及一种风电机组主轴承早期劣化状态检测方法及系统。

技术介绍

1、风电机组主轴系统是风力发电机的关键组件之一，主要包括保持架、主轴、内外轴承及滚动体等多个零部件，在风力发电系统中起着转化风能为机械能、传递机械能量重要作用。由于主轴系统内部结构复杂，长期承受冲击与交变载荷，故障频发且停机时间长，因而严重制约风电系统的运行稳定性。

2、相关技术中，风电机组主轴承状态检测主要有以下方案：一种方案是基于主轴承轴向或径向振动信号的时频域分析，结合专家经验诊断故障。另一种方案是利用振动信号时频域特征或模态分解结果，借助传统机器学习算法、浅层神经网络构建诊断模型。

3、然而，基于振动信号的专家诊断法需要依赖专业知识，检测环节主观性强，且适用范围有限。传统机器学习与浅层神经网络对振动信号故障特征挖掘能力不足，且振动信号采集需额外加设硬件设备，增加了检测环节的设备安装运维成本。

4、由此可见，传统风电机组主轴承状态检测方案存在检测精度低和可行性不足的技术问题。

技术实现思路<本文档来自技高网...

【技术保护点】

1.一种风电机组主轴承早期劣化状态检测方法，其特征在于，包括：

2.根据权利要求1所述的风电机组主轴承早期劣化状态检测方法，其特征在于，对所述历史SCADA数据集进行前期处理，得到样本数据集，包括：

3.根据权利要求2所述的风电机组主轴承早期劣化状态检测方法，其特征在于，对所述历史SCADA数据集进行数据清洗，得到SCADA健康数据集，包括：

4.根据权利要求2所述的风电机组主轴承早期劣化状态检测方法，其特征在于，对所述SCADA健康数据集进行特征提取，得到模型输入特征变量，包括：

5.根据权利要求1所述的风电机组主轴承早期劣化状态检测方法...

【技术特征摘要】

1.一种风电机组主轴承早期劣化状态检测方法，其特征在于，包括：

2.根据权利要求1所述的风电机组主轴承早期劣化状态检测方法，其特征在于，对所述历史scada数据集进行前期处理，得到样本数据集，包括：

3.根据权利要求2所述的风电机组主轴承早期劣化状态检测方法，其特征在于，对所述历史scada数据集进行数据清洗，得到scada健康数据集，包括：

4.根据权利要求2所述的风电机组主轴承早期劣化状态检测方法，其特征在于，对所述scada健康数据集进行特征提取，得到模型输入特征变量，包括：

5.根据权利要求1所述的风电机组主轴承早期劣化状态检测方法，其特征在于，所述多头自注意力神经网络模型包括：多个自注意力子模块...

【专利技术属性】
技术研发人员：曾繁礼，闫军帅，王灿，冯江哲，张博，崔志斌，张悦超，姜海苹，张天阳，姜德瀚，马宝林，
申请(专利权)人：龙源北京新能源工程技术有限公司，
类型：发明
国别省市：