[发明专利]一种风力发电机组故障分析系统、方法及介质

说明书

本申请公开了一种风力发电机组故障分析系统、方法及介质，涉及风力发电技术领域。该系统通过专家系统调用历史数据模块和判断标准模块中对应的数据，然后进行比对推理并筛选出故障概率最高的部件，然后对故障部件的未来数据走势进行预测，确定故障部件后对故障等级进行评估，然后将故障信息反馈给用户，若故障严重则关闭风机，从而可以快速准确的确定故障的部件和故障程度，并对故障作出反应，从而避免故障恶化。

技术领域

本申请涉及风力发电技术，更具体地说，涉及一种风力发电机组故障分析系统、方法及介质。

背景技术

力发电是指把风的动能转为电能。风能是一种清洁无公害的可再生能源，随着经济的快速发展，使得能源的消耗也加剧，因此人们开始寻求新的能源来替代传统的火力发电，由于风力发电具有可再生和清洁环保的优点，因此日益受到世界各国的重视，由于风机的造价高昂因此，因此人们很重视风机的后期维护和保养，并且会在风机各个部件上设置大量的传感器用来实时监测风机的状态。

现有的风机故障诊断方法都是基于某个时刻的振动信号、电信号、温度参数和发动机输出的电流、电压等参数进行诊断的，这样的方法得到的数据是静态的，并不能直观的反应系统的特性和变化过程，风机故障诊断不够准确，不能满足系统故障的要求，不能够准确的判断故障，导致故障恶化，造成不可估量的损失。

发明内容

鉴于此，为了解决现有风机故障诊断不够准确的问题，本申请提出了一种风力发电机组故障分析系统、方法及介质。

为了实现上述目的，本申请提供一种风力发电机组故障分析方法，包括：获取第一连续时段的风力发电机组的实时状态数据，并将其生成实时特征数据；其中，所述实时特征数据包括轴心轨迹、时域波形、趋势分析结果、频谱分析结果和三维谱与波特图，所述第一连续时段为预设时长；对所述实时特征数据进行逻辑运算，得到故障概率最大的部件；对所述故障概率最大的部件的未来走势进行预测；对所述预测进行验证，根据所述验证的结果确定故障部件。

优选的，所述对所述实时特征数据进行逻辑运算，得到故障概率最大的部件，包括：调用历史数据，并将其生成历史特征数据；其中，所述历史特征数据包括轴心轨迹、时域波形、趋势分析结果、频谱分析结果和三维谱与波特图；根据预设的逻辑，将所述历史数据与所述实时特征数据进行比对推理；根据所述比对推理的结果，筛选出故障概率最大的部件。

优选的，对所述预测进行验证，根据所述验证的结果确定故障部件，包括：获取下一连续时段的风力发电机组的实时状态数据，并将其生成实时特征数据；其中，所述下一连续时段的实时特征数据包括轴心轨迹、时域波形、趋势分析结果、频谱分析结果和三维谱与波特图，所述下一连续时段为预设时长；将所述下一连续时段的实时特征数据与所述预测的结果进行比对，若在误差允许的范围内，所述比对结果为两者一致，则表示预测故障准确，认定此部件为故障部件；若在误差允许的范围内，所述比对结果为两者不一致，则排除此种故障；对可能性第二高的故障部件及原因进行预测，然后进行验证，依此类推，直至预测与验证结果一致。

优选的，所述方法之前，还包括：实时采集叶片、轴承、塔筒、齿轮箱、偏航系统、发电机和主轴部件的振动数据；实时采集主轴、液压系统和齿轮箱部件的温度数据；实时采集齿轮断齿、叶片断裂、电机主轴磨损、振动、轴承振动、输出电流电压和发电机绝缘老化的电信号数据；实时采集主轴和齿轮箱的噪音数据；将所述振动数据、所述温度数据、所述电信号数据以及所述噪音数据等实时状态数据通过DBMS分类保存至数据库。

优选的，所述方法之后，还包括：将故障的具体信息保存至数据库。

优选的，所述方法之后，还包括：对故障等级进行评估，并将故障反馈给用户；若故障等级为严重及以上，则对风机进行停机处理。