[发明专利]基于自组织核回归模型的风电机组齿轮箱轴承温度状态监测方法

说明书

本发明公开了一种基于自组织核回归模型的风电机组齿轮箱轴承温度状态监测方法，将自组织核回归建模方法和序贯概率比残差分析方法引入风电机组状态监测。采用偏最小二乘方法选择变量，采用自组织核回归方法建立齿轮箱轴承温度与其影响变量之间的关系模型，并用该模型在监测阶段对齿轮箱轴承温度进行预测。为降低齿轮箱轴承温度预警的误报警率和漏报警率，采用序贯概率比方法分析模型计算的齿轮箱轴承温度预测值与实际值之间的残差，当序贯概率比大于设定阈值时，发出齿轮箱轴承温度异常报警。本发明用于分析齿轮箱轴承的温度数据，准确地实现了风电机组齿轮箱轴承温度监测和故障预警的目的，实例验证了本发明的实用性和通用性。

技术领域

本发明属于风电机组齿轮箱状态监测领域，具体涉及一种基于自组织核回归模型的风电机组齿轮箱轴承温度状态监测方法。

背景技术

近年来，我国部分地区空气环境日趋恶化，严重雾霾天气频发，以煤炭石油等化石燃料为主的传统能源结构亟需调整，科学高效地发展可再生能源迫在眉睫。风力发电作为可再生能源的重要组成部分，在我国发展迅猛，累计装机容量和新增装机容量均居世界首位。

风电机组的运行条件恶劣，如外界温差变化大，风速变化随机等。这些不确定的外界因素导致风电机组的故障率高，使风电场后期运行维护成本居高不下。

齿轮箱是风电机组的重要部件之一。风电机组齿轮箱运行有其自身的特点，即变速变载荷。随着风速的变化，齿轮箱各级的转速及承受的载荷随时发生变化，这给传统的状态监测方法应用于风电机组齿轮箱带来很大的挑战。

传统的齿轮箱轴承故障诊断技术，如振动分析、油液分析等，取得了一定的成果。由于风速随机变化，风电机组齿轮箱各级轴承的转速和载荷时变，而非转速不变的稳定工况。目前振动分析技术针对齿轮箱轴承的变转速变载荷的时变复杂工况下故障诊断的准确性较低，误报警和漏报警率较高。齿轮箱油液分析技术通过在风电机组停机期间采集齿轮箱油液标本，在实验室中分析润滑油液中的含水量、金属微粒数量及直径来对齿轮箱轴承状态进行诊断，但油液分析只能离线进行诊断，无法实现齿轮箱轴承的在线实时监测与诊断。还有采用多层前向神经网络对风电机组齿轮箱轴承温度进行建模并进行监测，但由于前向神经网络的结构复杂、模型参数多、训练耗时长，难以对齿轮箱轴承温度的异常变化进行及时准确地预警。

发明内容

本发明的目的在于克服现有技术中存在的上述不足，而提供一种基于自组织核回归模型的风电机组齿轮箱轴承温度状态监测方法。本发明将自组织核回归(AAKR)建模方法和序贯概率比残差分析(SPRT)方法引入风电机组状态监测。采用偏最小二乘方法(PLS)选择变量，采用自组织核回归方法建立齿轮箱轴承温度与其影响变量之间的关系模型，并用该模型在监测阶段对齿轮箱轴承温度进行预测。为降低齿轮箱轴承温度预警的误报警率和漏报警率，采用序贯概率比方法分析模型计算的齿轮箱轴承温度预测值与实际值之间的残差，当序贯概率比大于设定阈值时，发出齿轮箱轴承温度异常报警。本发明用于分析齿轮箱轴承的温度数据，准确地实现了风电机组齿轮箱轴承温度监测和故障预警的目的。

本发明解决上述问题所采用的技术方案是：一种基于自组织核回归模型的风电机组齿轮箱轴承温度状态监测方法，其特征在于：包括如下步骤：

步骤1，采用偏最小二乘方法PLS选择齿轮箱轴承温度建模变量；

风电机组齿轮箱轴承温度受风电机组的多个参数变量影响，为确定齿轮箱轴承温度的影响因素，确定齿轮箱轴承温度模型的输入建模变量，采用偏最小二乘方法从风电机组上百个运行参数中选择建模变量；过程如下：

由风电机组运行数据构成输入矩阵X和输出齿轮箱轴承温度矩阵Y，如下式：

其中：

N——样本个数；

M——原始风电机组参数变量的个数；