[发明专利]风电机组变桨轴承检测方法、装置及风力机组

说明书

本发明提供风电机组变桨轴承检测方法、装置及风力机组，包括：获取风电机组在停机收桨工况下的时序数据集，构建各目标变量的高维关联变量模型，并根据时序数据集，确定高维关联变量模型中各网格单元的目标变量检测值；确定各目标变量检测值在高维决策模型中的目标变量参考值；根据各目标变量检测值及对应的目标变量参考值，确定对待测风电机组变桨轴承的检测结果。本发明通过对每个目标变量的关联变量进行多元非线性拟合，形成高维决策模型，进而综合利用高维决策模型中的目标变量参考值与实际采集的目标变量检测值进行故障检测，考虑了多个目标变量以及各目标变量的所有关联变量的综合影响，准确性更高，且基于机理分析的数据特征，解释性更强。

技术领域

本发明涉及电力新能源技术领域，尤其涉及一种风电机组变桨轴承检测方法、装置及风力机组。

背景技术

变桨轴承是风电机组变桨传动装置中的回转机构，经过一段工作时间会因磨损、锈蚀、润滑脂老化、滚道面疲劳剥离、保持架断裂等原因，导致其转动时产生异响、卡滞等现象，严重时会导致变桨电机力矩过大、温度过高、轴间桨叶角偏差大等故障，进而引起风电机组停机。因此为了减少故障停机导致的发电量损失和运维成本，有必要对转动异常进行识别和监控，并在早期进行预测性干预。

针对变桨轴承的运行状态目前行业内尚未有直接监控的做法，一般是通过对数据采集与监视控制系统(Supervisory Control And Data Acquisition，SCADA)记录的相关运行变量进行分析，间接推测出变桨轴承是否可能出现转动异常。

目前，识别风力发电机组变桨轴承异常的算法总体上分为两类：一类是通过抽取轴承转动的振动特征基于时频域分析建立检测模型，该方法无法识别变桨转动机构中的卡滞、阻力增大等导致的电流异常偏高，故检测范围有限、检测结果的可信度差。另一类是结合机理分析和数据挖掘方法建立基于数据驱动的检测模型，主要是根据正常样本和故障样本建立有监督的检测分类模型。但该类方法缺点在于，机组大多处于正常状态，故障样本较少难以实施。

发明内容

本发明提供一种风电机组变桨轴承检测方法、装置及风力机组，用以解决现有技术在进行检测分类模型的构建和预训练时需要采集大量的故障样本，导致难以实施的缺陷，能实现供风电机组变桨轴承的快速、精准地检测。

第一方面，本发明提供一种风电机组变桨轴承检测方法，包括：

获取待测风电机组在停机收桨工况下的时序数据，构建用于进行变桨轴承检测的各目标变量的时序数据集；

在任一目标变量涉及至少一个关联变量的情况下，构建与所述任一目标变量相关的高维关联变量模型，并根据所述任一目标变量的时序数据集，确定所述高维关联变量模型中各网格单元的目标变量检测值；

调用与所述任一目标变量相关的高维决策模型，并确定每个所述目标变量检测值在所述高维决策模型中对应的目标变量参考值；

根据所有目标变量检测值及其对应的目标变量参考值，确定对所述待测风电机组变桨轴承的检测结果。

根据本发明提供的一种风电机组变桨轴承检测方法，所述根据所有目标变量检测值及其对应的目标变量参考值，确定对所述待测风电机组变桨轴承的检测结果，包括：

确定所述任一目标变量相关的第一比值数组和第一异常值占比；所述第一比值数组是由每个目标变量检测值及其对应的目标变量参考值之间的比值构成，所述第一异常值占比为目标变量检测值大于对应的目标变量参考值的占比；

根据所有目标变量相关的第一比值数组和第一异常值占比，确定对所述待测风电机组变桨轴承的检测结果。

根据本发明提供的一种风电机组变桨轴承检测方法，还包括：

在任一目标变量不涉及关联变量的情况下，调用与所述任一目标变量相关的变量参考阈值；