[发明专利]一种风力发电机主轴承温度异常预警方法

说明书

本申请公开了一种风力发电机主轴承温度异常预警方法，所述风力发电机主轴承温度异常预警方法包括如下步骤：对风机SCADA采集的数据处理，并将这些数据存储到设定的数据库中；传入待测风机的数据，并初始化高斯分布的模型参数；通过循环计算，根据贝叶斯定理计算故障系数的后验概率；通过循环计算，求得新的均值向量、新的协方差矩阵及新的高斯混合系数；通过判别条件判定所求的结果是否满足计算停止条件；更新聚类划分类别，对故障样本进行标记，并输出最终的预警结果。可以尽早发现风机故障，应用风机的离线数据验证了该方法的有效性，提高了风机轴承故障预警的准确率，避免较大的风机事故。

技术领域

本申请涉及新能源领域和风力发电运维领域，尤其是一种风力发电机主轴承温度异常预警方法。

背景技术

近年来随着清洁能源的推广，风力发电机的装机量日益上涨，且在电力能源及可再生能源中的比重越来越大，保证风力发电机的稳定及可靠运行是风场运维的重要任务，如能在风力发电机出现故障之前准确预测设备的故障趋势或健康状态，有利于风场运维部门执行风电机组的状态检修，从而避免将轻微故障演变为严重事故，保证设备运行的稳定性并降低风场的运维成本，发电机轴承故障特征在轴承的温度特性上有一定体现，因此可基于温度信号对轴承运行风险进行分析与预测，进而对发电机轴承故障进行早期的预警。轴承磨损退化可能造成轴温升高，而正常工况下轴承转速、载荷、环境温度的变化亦可引起轴承温升，轴承温度信息能有效表征其健康状况，而轴承温升原因的不确定性是基于温度信号进行故障预警的难点，目前有基于振动和数据驱动的一些研究在主轴承故障预警方面有一些进展，但对于实际的风机来说，发电机这些方法的适用性不太理想。

随着机器学习的发展，一些机理简单、计算结果有效的机器学习算法以及应用到了风机的数值分析中，有的研究结合机器学习的方法开展超温故障预测研究并取得了一些成果，在针对风机发电机主轴承故障，如何能创设一种诊断结果可靠的风力发电机主轴承故障的诊断方法，提前对主轴承故障进行预警，降低主轴承损坏率，提高风力发电机发电率和经济效益，成为当前急需改进的目标。因此，针对上述问题提出一种风力发电机主轴承温度异常预警方法。

发明内容

在本实施例中提供了一种风力发电机主轴承温度异常预警方法用于解决现有技术无法对风力发电机主轴承故障进行预警的问题。

根据本申请的一个方面，提供了一种风力发电机主轴承温度异常预警方法，所述风力发电机主轴承温度异常预警方法包括如下步骤：

(1)对风机SCADA采集的数据处理，并将这些数据存储到设定的数据库中；

(2)传入待测风机的数据，并初始化高斯分布的模型参数；

(3)通过循环计算，根据贝叶斯定理计算故障系数的后验概率；

(4)通过循环计算，求得新的均值向量、新的协方差矩阵及新的高斯混合系数；

(5)通过判别条件判定所求的结果是否满足计算停止条件；

(6)更新聚类划分类别，对故障样本进行标记，并输出最终的预警结果。

进一步地，所述步骤(1)中采集某风机的历史运行数据，通过聚合算法，将秒级的数据聚合为分钟级数据，这样有利于数据的处理并优化存储空间，对于聚合后的数据，通过时间及风速进行可视化输出，利用运行人员的经验判别无效数据，并将无效数据剔除，根据处理后的数据设置SQL数据库并存储这些数据。

进一步地，所述步骤(2)中的聚合算法是以相似性为基础，在一个聚类中的模式之间比不在同一聚类中的模式之间具有更多的相似性，SQL数据库是具有数据操纵和数据定义等多种功能的数据库语言。