CN103711645B - 基于建模参数特征分析的风力发电机组状态评估方法 - Google Patents

Abstract

本发明涉及一种基于建模参数特征分析的风力发电机组状态评估方法。该方法包括风电机组监控数据筛选、风电机组运行工况识别、状态监控数据整理分类、数据建模结构辨识匹配、智能模型结构参数估计、模型参数信息二次处理、风电设备状态预警报警7个步骤。该方法以风力发电机组状态监控数据的数据建模参数为核心状态评估变量，使在一定时间段内风力发电机组状态监测信息以具有高度信息概括能力的模型参数形式体现，通过对模型参数变化范围、规律、趋势、特征进行分析，实现风力发电设备状态有效评估。

Description

基于建模参数特征分析的风力发电机组状态评估方法

技术领域

本发明涉及风力发电技术领域，特别是涉及基于建模参数特征分析的风力发电机组状态评估方法。

背景技术

风力发电单位发电成本已经基本接近火电发电成本，是目前所有可再生能源中最具商业价值，最具推广现实的能源种类；风力发电是一种清洁能源，对节能环保有重要的经济社会效益。

风力发电是国家能源领域中长期规划的重点方向，我国现有总装机容量达到7400万千瓦，占总电网装机容量的7％，“十二五”末规划风电总装机容量达到0.98亿千瓦；“十三五”末风电总装机容量达到1.5～2亿千瓦；到2050年，风电总装机容量达到电网总装机容量的17～20%左右；因此风力发电领域拥有广阔且较明朗的前景，由其带动的相关领域产业也必然拥有乐观的市场前景；

我国风力发电产业已经完全走出了小规模技术论证阶段，目前已经进入大规模推广阶段，由于我国风电产业起步较晚，技术积累薄弱，相关配套组件尚不能完全满足风电整机高效安全运行要求，特别是我国风电整机企业绝大部分采用的直接引进国外成套整机设计技术模式进一步导致目前风电整机可靠性无法满足实际运行需求，重大事故频率高发，风机可利用率明显低于国外机组。

随着我国风电产业的迅速发展，由于技术趋势及成本竞争需求，“十一五”期间主流的1.5MW风力发电机组已经不能满足当前风电市场需求，单机容量规模在2MW及以上的风力发电机组已经逐步成为目前国内风电市场的主流机型。随着单机容量的逐步上升，风电整机外形尺寸也迅速增大，整机的载荷水平也迅速攀升，因此对其机械组件的可靠性要求也迅速提高。

龙源电力集团股份有限公司所属中能电力公司受国家能源局委托起草制定的《风力发电机组振动状态监测导则》于2011年11月1日在全国风电行业实施。该导则针对通过检测风力发电机组振动信号实现状态监测方法进行了详细的表述，规定所有海上风电机组应选择采用固定安装***，陆上2MW(及以上)风电机组选择采用固定安装***，陆上2MW以下风电机组可选择半固定安装***或便携式***；导则同时对风电机组振动状态监测***作出了详细的规定，对风电振动状态监测环节进行统一，可以更精细化的掌握机组的运行状态，合理安排检修时间，减少风电事故。

在现有的机械状态监控方法中，振动信号监控是一种相对比较成熟除的监控技术，在国外已经广泛的应用在风电状态监控***中；除机械振动信号以外，包括温度、压力、转速、视频、音频、应力、位移、油品质量等信号都可以反映风电机械***不同环节的实时状态，国外已经有大量的公司展开相关状态监控产品开发。

风力发电是一种典型的大转动惯量旋转机械设备，其机械***的状态往往可以通过对机械组件的振动监测信号表征出来。由于机械***状态随时间缓慢的固有特性，因此通常在较短的时间范围内对机械***在相同工况下进行振动监测数据往往时域特性差异不大。

在现有的风力发电状态监控方法中，通常对风力发电机组一次监控变量简单变换为二次监控变量，然后基于二次变量实现阈值报警及状态预警等操作。一种常用的方法是将监控的风力发电机组振动加速度信息转化为振动烈度信息，通过振动烈度信息进行机组及组件振动阈值报警并对接近报警阈值的情况进行预警，通过振动烈度变化趋势情况进行振动趋势报警。

现有技术的主要缺点是在于对数据信息的分析量较小，往往通过定时采集较短时间范围的监控数据作为分析处理依据，由于风力发电机组运行工况复杂，且机械状态变化缓慢，通常较短时间段内数据时域信息存在一定的偶然性，难以真实反映风力发电机组运行状态，需要通过进一步提取有效状态表征参数。

发明内容

本发明针对现有风力发电机组状态评估技术中状态评估参数设计较为简单，难以有效衡量风力发电机组在一定时间段内有效运行状态，提出了一种风力发电机组状态监控信息有效评估方法

本发明的目的通过以下技术方案来实现：

基于建模参数特征分析的风力发电机组状态评估方法，该方法包括如下步骤：

1）对指定状态评估时间段内连续监控数据的监控信息进行判别，筛除明显的错误数据，并对筛除后的数据进行插值处理；

2）对所述连续监控数据的监控信息进行分析，结合风力发电机组在不同运行工况下的典型运行参数，智能识别风力发电机组在不同监控数据段下的运行状态；

3）将指定状态评估时间段内连续监控数据按照运行工况、数据类型，依据特定的数据格式进行数据打包处理；

4）根据风力发电机组运行工况数据，结合建模数据类型，对不同运行工况下不同数据类型数据包进行数据模型匹配；

5）根据所匹配的模型结构，及步骤3分类的数据包，通过设定参数识别方法估计辨识模型参数操作，对每个数据包依据模型结构完成模型参数识别；

6）指按照时间顺序对不同状态评估时间段内，同种类型的数据包的模型辨识参数进行二次数据分析；

7）根据二次数据分析结果，对风电设备运行状态进行判定，同时对模型参数超出正常范围进行阈值报警、对模型参数变化率超出设定范围进行变化趋势报警、基于状态进行判定结论对监控设备进行故障预警。

所述步骤1中的监控信息包括风力发电机组及其组件振动、转速、温度、压力、应力、扭矩、油品油质、视频、音频、风速、安防、电网信息中或上述中的一种或多种。

所述步骤4中的数据模型匹配包括统计类模型、线性及非新型关系映射类模型或上述模型中的一个或多个。

所述步骤6中二次数据分析包括模型参数信息的数据统计、趋势分析、变化率分析、图形分析或上述分析中的一种或多种

本发明的优点在于：

该方法以风力发电机组状态监控数据的数据建模参数为核心状态评估变量，使在一定时间段内风力发电机组状态监测信息以具有高度信息概括能力的模型参数形式体现，通过对模型参数变化范围、规律、趋势、特征进行分析，实现风力发电设备状态有效评估。该方法不仅适用于风力发电状态评估，也适用于各种不同场合状态缓慢变化***的长时间连续状态监控评估方法。

附图说明

图1基于建模参数特征分析的风力发电机组状态评估方法步骤示意图。

具体实施方式

如图1为基于建模参数特征分析的风力发电机组状态评估方法步骤示意图。该方法包括以下7个步骤：

步骤1：风电机组监控数据筛选；

步骤2：风电机组运行工况识别；

步骤3：状态监控数据整理分类；

步骤4：数据建模结构辨识匹配；

步骤5：智能模型结构参数估计；

步骤6：模型参数信息二次处理；

步骤7：风电设备状态预警报警。

以下对各步骤详细说明。

步骤1中，风电机组监控数据筛选主要是对指定状态评估时间段内连续监控数据监控信息的有效性进行判别，筛除明显的错误数据，并对其进行插值处理。风力发电机组状态监控信息包括但不仅限于风力发电机组及其组件振动、转速、温度、压力、应力、扭矩、油品油质、视频、音频、风速、安防、电网信息等信息。进行数据筛选能够消除数据采集或传输过程中由于受到噪声影响可能产生的误报数据，提高数据建模的准确性。

步骤2中，风电机组运行工况识别主要是指通过对连续监控数据进行分析，结合风力发电机组在不同运行工况下的典型运行参数，智能识别风力发电机组在不同监控数据段下的运行状态。优选地风电机组运行工况识别可以依据平均风速信息或风力发电机转子转速信息进行工况识别。

步骤3中，状态监控数据整理分类是指将指定状态评估时间段内连续监控数据按照运行工况、数据类型，依据特定的数据格式进行数据打包处理。

优选地可以按照不同的10分钟平均风速，对不同类型的监控数据进行分类打包或对具有相关性数据进行统一打包。相关性数据包括但不仅限于转速与振动、风速与振动等。

步骤4中，数据建模结构辨识匹配是指对根据风力发电机组运行工况数据，结合建模数据类型，智能对不同运行工况下不同数据类型数据包进行数据模型匹配。匹配模型包括但不仅限于：统计类模型、线性及非新型关系映射类模型等。其中，统计模型通常是指描述监控变量的分布特性，可以采用包括但不仅限于数据统计、多项式拟合等方法对监控变量的分布特性进行建模，例如对振动幅值信息可以通过多项式拟合方法或特定模型参数辨识，例如威布尔分布参数辨识、高斯分布参数辨识等，建立振动幅值分布模型；线性及非新型关系映射类模型通常是指描述两个或多个变量之间的映射关系，可以通过包括但不仅限于传递函数、神经网络等线性、非线性建模方法实现，例如对风速信息和塔筒振动信息可以通过非线性建模建立风速信息与塔筒振动信息非线性关系模型。

步骤5中，智能模型结构参数估计指依据匹配的模型结构，对步骤3按照运行工况、数据类型分类的数据包，进行基于计算智能技术，按照设定参数识别方法估计辨识模型参数操作，对每个数据包依据模型结构完成模型参数识别。智能模型结构参数估计方法可以采用包括但不仅限于数据统计法、多项式拟合法、最小二乘法、随机搜索等智能搜索算法等。

步骤6中，模型参数信息二次处理主要是指按照时间顺序对不同状态评估时间段内，同种类型的数据包的模型辨识参数进行二次数据分析，二次数据分析内容包括但不仅限于针对模型参数信息的数据统计、趋势分析、变化率分析、图形分析等。所述二次处理主要是对随时间顺序不同时间段模型参数数据变化进行分析，为状态判断故障报警提供方便的技术平台。例如，模型参数信息二次处理可以对所有在同一运行工况下，塔筒振动幅值的统计信息进行连续化图形处理，生成随时间变化同一运行工况下，塔筒振动幅值统计参数变化曲线，方便高级技术人员进行状态分析。

步骤7中，风电设备状态预警报警主要是根据模型参数信息二次处理结论，智能对风电设备运行状态进行判定，同时对模型参数超出正常范围进行阈值报警、对模型参数变化率超出设定范围进行变化趋势报警、基于状态进行判定结论对监控设备进行故障预警。

基于状态进行判定结论对监控设备进行故障预警，一种优选地方案是通过经验及历史数据智能生成数据建模参数随设备生命周期变化轨迹，基于当前数据建模参数数值对应设备生命周期状态。

本发明针对现有风力发电机组状态评估技术中状态评估变量涵盖数据信息较少，难以有效对风电机组状态进行评估，提出了一种基于建模参数特征分析的风力发电机组状态评估方法。该方法通过对高度信息特征提取的模型参数变化范围、规律、趋势、特征进行分析，极大的改善了传统方法评估参数设计较为简单，难以有效实现风电机组复杂状态评估的缺点，有效的提升了风电设备状态评估的有效性和实用性。

应当理解，以上借助优选实施例对本发明的技术方案进行的详细说明是示意性的而非限制性的。本领域的普通技术人员在阅读本发明说明书的基础上可以对各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (4)

1.基于建模参数特征分析的风力发电机组状态评估方法，其特征在于，该方法包括如下步骤：

1)对指定状态评估时间段内连续监控数据的监控信息进行判别，筛除明显的错误数据，并对筛除后的数据进行插值处理；

2)对所述连续监控数据的监控信息进行分析，结合风力发电机组在不同运行工况下的典型运行参数，智能识别风力发电机组在不同监控数据段下的运行状态；所述智能识别是依据平均风速信息或风力发电机转子转速信息进行工况识别；

3)将指定状态评估时间段内连续监控数据按照运行工况、数据类型，依据能够被数据模型所识别的数据格式进行数据打包处理；

4)根据风力发电机组运行工况数据，结合建模数据类型，对不同运行工况下不同数据类型数据包进行数据模型匹配；

5)根据所匹配的模型结构，及步骤3分类的数据包，通过设定参数识别方法估计辨识模型参数操作，对每个数据包依据模型结构完成模型参数识别；

6)指按照时间顺序对不同状态评估时间段内，同种类型的数据包的模型辨识参数进行二次数据分析；

7)根据二次数据分析结果，对风电设备运行状态进行判定，同时对模型参数超出正常范围进行阈值报警、对模型参数变化率超出设定范围进行变化趋势报警、基于状态进行判定结论对监控设备进行故障预警。

2.根据权利要求1所述的基于建模参数特征分析的风力发电机组状态评估方法，其特征在于，所述步骤1中的监控信息包括风力发电机组及其组件振动、转速、温度、压力、应力、扭矩、油品油质、视频、音频、风速、安防和电网信息中的一种或多种。

3.根据权利要求1所述的基于建模参数特征分析的风力发电机组状态评估方法，其特征在于，所述步骤4中的数据模型匹配包括统计类模型、线性及非线性关系映射类模型或上述模型中的一个或多个。

4.根据权利要求1所述的基于建模参数特征分析的风力发电机组状态评估方法，其特征在于，所述步骤6中二次数据分析包括模型参数信息的数据统计、趋势分析、变化率分析、图形分析中的一种或多种。