[发明专利]风机振动异常检测方法及装置

说明书

本发明公开了一种风机振动异常检测方法及装置，该方法包括：采集一定时间段内的风机运行数据；从所述风机运行数据中提取工况特征和振动特征，得到测试数据集；利用预先建立的工况‑振动模型对所述测试数据集中的振动特征进行预测，得到对应所述振动特征的预测值；根据所述测试数据集中的振动特征及其预测值，计算振动特征残差，得到残差矩阵；根据所述残差矩阵计算所述测试数据集中各工况点的振动特征残差的距离；如果连续设定数量的工况点的振动特征残差的距离均大于预先确定的距离阈值，则确定所述时间段内风机振动异常。利用本发明方案，在无法得到风机部件的高频振动信号的情况下，也能够实现对风机振动异常的有效检测。

技术领域

本发明涉及数据处理领域，具体涉及一种风机振动异常检测方法及装置。

背景技术

现有风电机组状态监测系统中包含基于高频振动信号的风机振动异常检测，如通过傅里叶变换和包络谱分析的方式进行故障诊断，这种检测需要在特定的传感器来采集相应部件的高频振动信号。但对于风机塔筒和机舱等部件的振动异常检测，通常仅能采集到来自SCADA(Supervisory Control And Data Acquisition，数据采集与监视控制)系统的低频振动信号数据，如果利用现有的高频振动信号异常检测方法，则无法从这些低频振动信号数据中得到有效的故障特征频率，尤其是对于新建风电机组或有效运行时间较短的机组，进而也无法进行有效的风机振动异常检测。

发明内容

本发明实施例提供一种风机振动异常检测方法及装置，以便在无法得到风机部件的高频振动信号的情况下，也能够实现对风机振动异常的有效检测。

为此，本发明提供如下技术方案：

一种风机振动异常检测方法，所述方法包括：

采集一定时间段内的风机运行数据；

从所述风机运行数据中提取工况特征和振动特征，得到测试数据集；

利用预先建立的工况-振动模型对所述测试数据集中的振动特征进行预测，得到对应所述振动特征的预测值；

根据所述测试数据集中的振动特征及其预测值，计算振动特征残差，得到残差矩阵；

根据所述残差矩阵计算所述测试数据集中各工况点的振动特征残差的距离；

如果连续设定数量的工况点的振动特征残差的距离均大于预先确定的距离阈值，则确定所述时间段内风机振动异常。

可选地，所述方法还包括：根据风机历史数据建立工况-振动模型并确定距离阈值，具体包括：

收集不同工况下的风机历史数据；

从所述风机历史数据中提取工况特征和振动特征，得到训练数据集；

利用所述训练数据集训练得到工况-振动模型。

可选地，所述工况包括以下任意一种或多种：风机启机、提升转速/功率、正常运行、降负荷运行、停机。

可选地，所述从所述风机历史数据中提取工况特征和振动特征包括：

按照设定的过滤规则对所述风机历史数据进行过滤；

对过滤后的风机历史数据按照时间顺序进行分割，得到一个或多个时间序列；

对于所述时间序列，采用滑动窗方式从每个窗口提取工况特征和振动特征。

可选地，所述工况-振动模型包括对应每种振动特征的预测模型；所述方法还包括：利用所述工况-振动模型及所述训练数据集确定距离阈值，具体包括：

利用对应每种振动特征的预测模型确定所述训练数据集中各振动特征的预测值；