[发明专利]一种具有智能诊断功能的风电机组预警方法及系统

说明书

一种具有智能诊断功能的风电机组预警方法及系统，该方法通过采集机组各部件的振动信号，通过对采集的振动信号数据进行处理，得到各采集点数据的频域和时域特征信息，利用智能诊断算法、根据上述时域、频域特征信息进行进一步筛选分析，结合变桨、偏航、主控制系统、变流系统等电气部件的运行信息，对机组的大型零部件损伤进行故障预警，形成全面、开放的风电机组故障预警系统，对机组大型机械运行状态进行全方位监测，及时发现风电机组存在的潜在危险源，以避免风电机组发生重大机械故障。

技术领域

本发明涉及风机控制技术领域，具体涉及一种具有智能诊断功能的风电机组预警方法及系统。

背景技术

随着环境污染和能量短缺日益严重，风能作为绿色可再生能源越来越受到人们的重视，我国的风力发电在电力能源供给上的占比也在逐年攀升。随着装机容量的不断提升，各发电企业对风电机组的运行状态及性能也有了更高的要求，如要求有更高的有效利用率等，这就要求机组尽可能少发生故障，尤其是机械故障，如齿轮箱故障，此类故障轻则会造成机组发电效率低下，严重者会造成风机倒塔或机舱断裂等恶性事故。为了避免或减少此类事故的发生，各机组生产厂家大多会通过定期巡检来检验风电机组各器件是否正常，螺栓是否紧固等。但这些检查仅仅能检查一些表象的安全隐患，隐藏比较深的安全隐患仍无法排查，如齿轮箱断齿、主轴不对中等危险源。如何及时发现机组存在的隐藏危险源是亟需考虑的问题。

发明内容

本发明的目的是提供一种具有智能诊断功能的风电机组预警方法及系统，用于及时发现风电机组存在的隐藏危险源，避免因这些危险源而导致设备生产厂家及发电企业发生重大的经济损失以及人员安全危害的问题。

为达到上述目的，本发明采用如下技术方案：

本发明的第一方面提供了一种具有智能诊断功能的风电机组预警方法，包括如下步骤；

采集风电机组运行中各部件的振动信号；

根据所述振动信号计算其时域特征、频域特征；

根据所述频域特征分析得出各机械故障点的故障频率特征参数；

预设征兆影响概率；

当所述故障频率特征参数属于某个或某些故障点的故障频率特征时，根据所述征兆影响概率计算故障点的联合概率；

判断所述联合概率是否大于第一限值、以及所述时域特征是否大于第二限值，若是，则根据风电机组的运行信息发出故障预警信息。

进一步的，所述采集风电机组运行中各部件的振动信号包括采集风电机组运行中齿轮箱、发电机、主轴承和保持架各部位的振动信号。

进一步的，所述根据所述振动信号计算其时域特征、频域特征的步骤包括：

将采集到的振动信号经过低通滤波滤除高频噪声信号；

重采样将滤除高频噪声信号的连续振动信号进行离散化，得到离散化的数据，对其进行计算得到时域特征；

离散化的数据经过FFT变化得到频域特征。

进一步的，所述预设征兆影响概率P包括：

根据对各个部位故障的的影响程度设置征兆影响概率，影响程度越大，设置的征兆影响概率越高，影响程度越小，设置的征兆影响概率越低，没有影响，征兆影响概率设为0。

进一步的，所述联合概率由下式计算：

其中，P(Fi)为第i个故障点的联合概率1≤i≤n；

P(Sj)为每个故障点第j个征兆事件发生的概率，1≤j≤k；当第j个征兆事件发生，则P(Sj)＝1，没有发生，则P(Sj)＝0；