[发明专利]轴温异常状态的预测方法和装置

说明书

本发明实施例提供一种轴温异常状态的预测方法和装置。其中，轴温异常状态的预测方法包括：判断发电机组的当前轴温是否处于异常状态；若判断结果为处于正常状态，则根据第一概率分布函数和预设的第一概率，获取异常状态的时间间隔的预测结果；获取轴温上一次异常状态的进入时刻，根据上一次进入异常状态的时刻和异常状态的时间间隔的预测结果，获取轴温下一次异常状态的进入时刻的预测结果；若判断结果为处于异常状态，根据第二概率分布函数和预设的第二概率，获取本次异常状态的持续时间的预测结果以及本次损失的发电量的预测结果。本发明实施例提供的轴温异常状态的预测方法和装置，预测的准确率更高，并能够提高机组的运行效率。

技术领域

本发明实施例涉及电力技术领域，尤其涉及一种轴温异常状态的预测方法和装置。

背景技术

发电机组的正常运行离不开各大部件的协调配合，任何一个部件出现故障都会影响整个机组的发电效率。齿轮箱和发电机作为发电机组中重要的部件，且为大型旋转部件，在其运行过程中主要依靠轴承来完成整体的运转，轴承的运行状态直接影响到齿轮箱和发电机的运行效率。在机组全功率运行过程中，处于亚健康状态的轴承的温度容易升高，温度一旦超过限值会导致风机限功率运行或者直接导致停机，从而影响风机发电效率和整场的经济效益。

机组轴承运行状态与机组功率、机舱温度等因素有关，其状态的变化通过温度来体现。一般情况下，电机运行1.5～2h后，轴承温度(简称轴温)稳定升温≤35K便可以认为正常，但轴承运行短时(如15min)上升至65℃或运行1.5h以上超过65℃仍然没有下降趋势，及不到1.5h但轴承稳定温度超过75℃，皆可视为轴承温度高(其中65℃、75℃是针对夏季而言，在寒冷的冬天以55℃、65℃为宜)。

在发电机组运行维护过程中，轴承的维护是非常重要的一部分。因此，提前掌握轴承运行情况，，及时发现轴承的异常，并对轴承进行维护，对于优化轴承维修策略，降低风机故障率具有重要意义。现有的对轴承状态进行分析的思路分为两类，一类是基于轴承振动状态的频谱分析，另一类是基于轴承状态变化的分析。基于轴承振动状态的频谱分析方法对于数据采集及数据精度要求很高，需要较大的数据库对采集的数据进行存储，采集过程需要安装特定的工具及软件，需配备专业的分析人员进行分析等，从而增加维护成本及费用；基于轴承状态变化的分析方法仅依据轴承自身的变化进行开展，未考虑对轴承运行有较大影响的冷却系统、机组功率等因素，因此仅限于轴承状态的变化分析，未能依据分析的结论提供合理化的轴承维修或者更换策略，未能对机组维护经济效率的提升或者机组损失的电量进行量化评价。

发明内容

针对现有技术存在的问题，本发明实施例提供一种克服上述问题或者至少部分地解决上述问题的轴温异常状态的预测方法和装置。

第一方面，本发明实施例提供一种轴温异常状态的预测方法，包括：

判断发电机组的当前轴温是否处于异常状态；

若判断结果为处于正常状态，则根据第一概率分布函数和预设的第一概率，获取异常状态的时间间隔的预测结果；

获取轴温上一次异常状态的进入时刻，根据所述上一次进入异常状态的时刻和所述异常状态的时间间隔的预测结果，获取轴温下一次异常状态的进入时刻的预测结果；

其中，所述第一概率分布函数是根据历史轴温数据获得的；异常状态的时间间隔，为轴温相邻两次异常状态的进入时刻之间的时间间隔。

若判断结果为处于异常状态，则根据第二概率分布函数和预设的第二概率，获取本次异常状态的持续时间的预测结果；

其中，所述第二概率分布函数是根据所述历史轴温数据获得的；异常状态的持续时间，为每次异常状态的进入时刻和退出时刻之间的时间间隔。

根据本次异常状态的持续时间的预测结果和所述发电机组的输出功率减少量，获取所述发电机组本次损失的发电量的预测结果。