[发明专利]一种基于大数据分析的风电机组传动链故障预警方法

说明书

本发明涉及一种基于大数据分析的风电机组传动链故障预警方法，通过提取数据库存储的风电机组的历史振动监测数据，对数据进行Beta分布拟合，确定相对于每种数据属性的振动监测数据的预警阈值区间，形成知识库，然后将实时采集的风电机组的振动监测数据输入知识库中进行判断，根据振动监测数据落入对应预警阈值区间的数据占比，确定风电机组是否故障以进行预警。通过本发明，能够解决现有振动监测系统无法对风电机组传动链早期故障做到实时预警而且智能化程度低的问题，具有较高的识别精度。

技术领域

本发明涉及设备预警技术领域，更具体地说，涉及一种基于大数据分析的风电机组传动链故障预警方法。

背景技术

风电发电机组的传动系统主要包括低速轴、高速轴、齿轮箱、联轴器、紧急刹车机构等，根据现有故障数据统计风电机组传动链的故障造成的停机时间最长约占80％，主要是齿轮箱和轴承故障。因此，开展对风电机组关键部位的早期故障预警和故障振动对整个行业的发展具有实际应用价值。

目前，风电机组设备大部分自带有数据采集与监事控制(SCADA)系统，SCADA系统实现了对风电设备的运行状态的实时监测，同时兼备报警及事故报告等功能。但其监测的状态量有限，主要涵盖了风速、转速、功率、电流、电压等信号量，对于关键零部件的振动测点较少且采集频率较低。如图3为当下常见的一些机械振动监测系统，其报警方式一般为预先设置报警值和停机警戒值。主要预警流程：通过将实时采集的振动数值与预先设置的报警值进行比较，若当前振动数值小于报警值，则判定机组运行正常。反之，则判定为异常，同时由检修人员排查故障原因确定是否停机检修，如达到停机警戒值则立即停车检修。

当前常见的一些机械监测系统的主要存在以下问题：

(1)报警阈值在出厂前由风机生产厂家提供并预先设置，而在监测系统发生报警时故障往往已造成不可逆的损害，无法实现对早期故障的预警，并且随着风机运行年限增加设备损耗原有设置的故障阈值已不符合现在运行要求。

(2)目前主流的频谱分析、包络分析等在实时性、智能化方面欠缺，为风电运行人员日常工作带来不便。

(3)随着大数据时代的到来，数据的实时性显得愈加重要且越来越多智能仪器仪表的接入导致数据量的增加，传统预警方法在面对实时性要求和海量数据愈显乏力。

发明内容

本发明要解决的技术问题在于，针对现有技术的上述缺陷，提供一种基于大数据分析的风电机组传动链故障预警方法。

本发明解决其技术问题所采用的技术方案是：构造一种基于大数据分析的风电机组传动链故障预警方法，包括：

采集风电机组传动链部件的振动监测数据，形式具有多属性的数据文件并存储在数据库中；从数据库提取风电机组传动链振动监测数据，并进行预处理；

按照第一数据属性对振动监测数据进行采样提取，分别按照第一数据属性的数值大小划分区间，对每一数值区间内的振动监测数据进行Beta分布拟合，并通过最小二乘法得到最优参数α,β；

根据每一数值区间内计算得到的Beta分布最优参数，确定对应的λ₁和λ₂，以计算基于第一数据属性的振动监测数据的预警阈值区间；

通过选取不同数据属性进行振动监测数据的提取，构建不同数据属性的数据数值区间与预警阈值区间的映射，形成知识库；

设定预设的采样时间间隔，采集风电机组实时工作的传动链振动监测数据，判断采样时间间隔内采样的振动监测数据中，在构建知识库的全部数据属性的数据数值落入知识库中对应的数据数值区间时，对应的振动监测数据是否落入与数据数值区间映射的预警阈值区间内；若判断为否的振动监测数据小于等于总采样振动监测数据的85％，则发出风电机组传动链故障警报。

其中，对数据库中振动监测数据进行预处理的步骤包括：