CN110905732A - 风电机组风轮不平衡的辨识方法、***及储存介质 - Google Patents

Abstract

本发明公开了一种风电机组风轮不平衡的辨识方法，包括：S01、获取有功功率、风电机组前后及左右的振动变量，得到预定时间段内振动变量有效值的平均值，并预设对应有功功率下振动变量的标准阈值；S02、对额定功率下的振动变量进行数据切换，进行FFT分析，提取中位数、上分位数和下分位数；S03、同时满足以下两个条件时，则判断风轮气动不平衡；(1)风电机组前后及左右的振动变量有效值的平均值均大于对应功率下的标准阈值；(2)中位数高于第一预设标准值或者上分位数高于三倍的下分位数。本发明还相应公开了一种与上述辨识方法相对应的辨识***以及储存介质。本发明的辨识方法、***及储存介质均具有操作简便、成本低、精度高且及时性好等优点。

Description

风电机组风轮不平衡的辨识方法、***及储存介质

技术领域

本发明主要涉及风力发电技术领域，特指一种风电机组风轮不平衡的辨识方法***及储存介质。

背景技术

近年来，随着风电机组的额定功率及叶片长度的不断增大，风电机组的振动特性也愈加明显。目前发现风电机组出现的许多故障都与其振动有关，其中由风轮不平衡引发的振动也越来越受到主机厂商和业主的关注，因为风轮长期不平衡不仅会影响自身的动力性能，同时会给风电机组其它部件产生较大的损伤，如对变桨***、偏航***和主轴承的损伤等。因此，及时准确地判断或识别出风电机组风轮不平衡是非常重要的。

目前，已经有部分国内外的研究机构和公司可以针对风轮气动或者质量矩不平衡进行检测，但需要额外的检测设备及专业的检测团队，其费用昂贵，并且其方法受限于人力物力，不太适用于大规模的风场叶片检测；而另一方面，新型的叶片虽然可以在生产期间在叶片中预埋光纤传感器以获得风机运行时叶片的状态信息，但毋庸置疑这种叶片会增加风电机组的成本。下面对一些常规的方法做简要描述：

(1)专利《基于双馈风力发电机组定子电流的桨叶不平衡故障诊断方法》(申请号：201610234955.2)主要思路为：采集恒转速运行阶段机组定子相电流和发电机转速，然后根据采集到的发电机转速计算叶轮转速1倍频，同时对定子相电流进行小波滤波处理后进行信号处理得到包络谱，最后提取包络谱信号中叶轮1倍频幅值和3倍频幅值作为特征值，并判断1倍频幅值和3倍频幅值的大小，若二者满足相应的关系，则判定桨叶不平衡。

此专利存在的问题或缺点：1)该专利只适用于控制双馈风力发电机组；2)该专利发明对采集数据有要求，要求采集数据时风力发电机组运行于检测模式，并保持风电机组恒转速运行，对于实际运行的机组风轮不平衡检测，该方法具有一定局限性。

(2)专利《风力发电机组风轮不平衡监测方法》(申请号：201710638434.8)主要思路为：首先，测量塔筒内轴心对称两点的振动加速度瞬时值，并对其进行加权计算、快速傅里叶变换处理，获取相应的频域信号；然后获得叶片一倍频转频处的基础频率；最后通过判断瞬时频率与基础频率的差值是否超出预设的误差阈值范围来确定叶片是否平衡。

技术存在的问题或缺点：1)该专利要求测量塔筒内轴心对称两点的振动加速度瞬时值，不易实现或者需要额外的数据采集设备；2)加速度瞬时值为两振动加速度瞬时值分别乘以对应的权重系数后求和，其权重系数难以确定。

发明内容

本发明要解决的技术问题就在于：针对现有技术存在的技术问题，本发明提供一种操作简便、精准且及时性好的风电机组风轮不平衡的辨识方法、***及储存介质。

为解决上述技术问题，本发明提出的技术方案为：

一种风电机组风轮不平衡的辨识方法，包括以下步骤：

S01、获取风电机组有功功率、风电机组前后及左右的振动变量，得到预定时间段内风电机组前后及左右的振动变量有效值的平均值，并预设对应有功功率下风电机组前后及左右振动变量的标准阈值；

S02、对额定功率下风电机组前后的振动变量进行数据切换，划分为N组并进行FFT分析，提取中位数、上分位数和下分位数；

S03、当风电机组同时满足以下两个条件时，则判断风轮气动不平衡；

(1)风电机组前后及左右的振动变量有效值的平均值均大于对应功率下的标准阈值；

(2)中位数高于第一预设标准值或者上分位数高于三倍的下分位数。

优选地，在步骤S01中，所述风电机组的振动变量为机舱振动位移、机舱振动速度、机舱振动加速度、主轴振动位移、主轴振动速度或主轴振动加速度中的任意一种。

优选地，所述风电机组的振动变量为机舱振动加速度；所述步骤S03条件(1)中风电机组前后及左右的振动变量有效值的平均值的求取过程如下：

S31、对风电机组机舱前后及左右振动加速度进行有效值聚合，对有功功率进行平均值聚合；

S32、对风电机组的有功功率进行分箱处理，以及对机舱前后及左右振动加速度进行箱内平均，得到平均值。

优选地，所述步骤S31中，风电机组机舱前后及左右振动加速度进行有效值聚合的公式为：

其中，V_RMS表示振动加速度的一分钟有效值；v_i表示在同一分钟之内各秒级数据的振动加速度值；N表示同一分钟之内的数据点的个数。

优选地，所述步骤S31中，有功功率进行平均值聚合的公式为：

其中，

表示风电机组有功功率的一分钟平均值；P_i表示在同一分钟之内各秒级数据的有功功率值；N表示同一分钟之内的数据点个数。

优选地，所述步骤S32的具体过程为：采用比恩法对聚合数据进行处理，将风电机组有功功率以一定间隔划分成若干个不同的功率区间，然后分别求取处于不同功率区间的机舱前后及左右振动加速度有效值的平均值。

优选地，所述风电机组有功功率区间划分的公式为：

P^*＝floor((P+25)/50)*50 (3)

其中P*表示风电机组有功功率的功率区间；P表示聚合为一分钟的各有功功率值；floor 表示向下取整函数。

优选地，求取处于不同功率区间的机舱前后及左右振动加速度有效值的平均值的公式为：

其中，

表示风电机组某个功率区间振动加速度有效值的平均值；V_RMS表示落在该功率区间内的振动加速度有效值；n表示落在该功率区间内的数据点数。

优选地，所述步骤S02的具体过程为：

S21、对步骤S01中的数据进行数据切分，按照时间序列，以M个点为一组切分数据，划分为N组数据；

S22、对上述N组数据分别进行FFT分析，得到机舱前后振动加速度的N个1P幅值，然后分别做机舱前后振动加速度的1P幅值箱线图，并提取中位数，上分位数及下分位数。

优选地，在步骤S02中，将有功功率超出0～额定功率范围之外的数据进行筛选后剔除。

优选地，在步骤S03中，当风电机组不满足两个条件时，则判断不存在风轮气动不平衡；在此基础上，对风电机组质量矩是否平衡进行判断。

优选地，对风电机组质量矩是否平衡进行判断的过程为：

S41、在步骤S01中筛选出额定功率下风电机组左右的振动变量，进行数据切换，划分为 N组数据并进行FFT分析，提取对应的中位数、上分位数和下分位数；其中振动变量为机舱左右振动加速度；

S42、在机组处于额定功率下，风电机组机舱左右振动加速度1P幅值分布的中位数高于第二预设参数，则判断风电机组质量矩不平衡。

本发明还公开了一种风电机组风轮不平衡的辨识***，包括

第一模块、用于获取风电机组有功功率、风电机组前后及左右的振动变量，得到预定时间段内风电机组前后及左右的振动变量有效值的平均值，并预设对应有功功率下风电机组前后及左右振动变量的标准阈值；

第二模块、用于在步骤S01中筛选出额定功率下风电机组前后的振动变量，进行数据切换，划分为N组数据并进行FFT分析，提取中位数、上分位数和下分位数；

第三模块、用于当风电机组同时满足以下两个条件时，判断风轮气动不平衡；

(1)风电机组前后及左右的振动变量有效值的平均值均大于对应功率下的标准阈值；

(2)中位数高于第一预设标准值或者上分位数高于三倍的下分位数。

本发明对应公开了一种计算机可读储存介质，其上储存有计算机程序，该程序被处理器执行时实现如上所述的方法。

与现有技术相比，本发明的优点在于：

本发明的风电机组风轮不平衡的辨识方法，针对目前大规模风场的风电机组风轮不平衡检测难的问题，在不增加检测设备的基础上，利用现有的SCADA监测变量，采用较为简单易行的方法对风电机组风轮不平衡进行检测，并可以识别出风电机组风轮是否存在不平衡，继而帮助运维人员及时修正风轮不平衡，保证风电机组的正常运行。

本发明的风电机组风轮不平衡的辨识方法，只采用风电机组机舱前后振动加速度、机舱左右振动加速度、风电机组有功功率作为变量输入；所选变量少易于获得，无需额外安装传感器，且所选变量对风电机组风轮不平衡很敏感，能够及时、准确反应早期故障特征。

本发明的风电机组风轮不平衡的辨识方法，在对数据进行筛选时，要求筛选出处于正常发电工况下的数据，并剔除掉有功功率超出0～额定功率范围之外的数据，以及其他异常、残缺数据，能够避免噪声数据对诊断结果的影响。

本发明的风电机组风轮不平衡的辨识方法，在进行功率-振动加速度分析时，采用机舱前后及左右振动加速度一分钟有效值来替代机舱前后及左右振动加速度。其中振动加速度有效值相比振动加速度更能体现振动的能量及其对部件的破环力，且可以减小偶然因素对振动值大小的影响。

本发明的风电机组风轮不平衡的辨识方法，在进行功率-振动加速度分析时，采用比恩法划分功率区间并求得不同功率区间内机舱前后及左右振动加速度有效值的平均值，充分考虑了风电机组不同工况对机舱前后及左右振动加速度的影响，使得结果更加准确。

本发明的风电机组风轮不平衡的辨识方法，在对振动加速度进行频谱分析时，采用箱线图对振动1P幅值分布进行分析，并通过箱线图的特征值来构建判断风电机组风轮不平衡的条件；其中箱线图特征值简单易求，能够较好地表示振动1P的幅值分布，从而反映出振动情况，帮助确定风电机组是否发生风轮不平衡。

附图说明

图1为本发明的方法流程图。

图2为风电机组有功功率-机舱振动加速度对比图。

图3为风电机组不同平衡工况下的机舱前后振动加速度1P幅值分布图。

图4为风电机组不同平衡工况下的机舱左右振动加速度1P幅值分布图。

具体实施方式

以下结合说明书附图和具体实施例对本发明作进一步描述。

如图1所示，本实施例的风电机组风轮不平衡的辨识方法，包括以下步骤：

S01、获取风电机组有功功率、风电机组前后及左右的振动变量，得到预定时间段内风电机组前后及左右的振动变量有效值的平均值，并预设对应有功功率下风电机组前后及左右振动变量的标准阈值；

S02、对额定功率下风电机组前后的振动变量进行数据切换，划分为N组并进行FFT分析，提取中位数、上分位数和下分位数；

S03、当风电机组同时满足以下两个条件时，则判断风轮气动不平衡；

(1)风电机组前后及左右的振动变量有效值的平均值均大于对应功率下的标准阈值；

(2)中位数高于第一预设标准值或者上分位数高于三倍的下分位数。

本发明的风电机组风轮不平衡的辨识方法，针对目前大规模风场的风电机组风轮不平衡检测难的问题，在不增加检测设备的基础上，利用现有的SCADA监测变量，采用较为简单易行的方法对风电机组风轮不平衡进行检测，并可以识别出风电机组风轮是否存在不平衡，继而帮助运维人员及时修正风轮不平衡，保证风电机组的正常运行。

具体地，下面结合一具体实施例对本发明的方法做详细说明：

通过对叶片和风轮进行受力分析可知，当叶片出现气动不平衡时，风电机组由于气动性能不同，会造成叶片在机舱前后方向产生额外力矩，同时在叶片旋转平面内，即机舱左右方向造成冲击，使得风电机组出现上下点头及左右摇摆的现象，因此风电机组机舱前后振动加速度及机舱左右振动加速度均会明显高于正常机组；而当叶片发生质量矩不平衡时，由于质量引起的惯性力只会在旋转平面，即机舱左右方向造成冲击，不会对风轮轴，即机舱前后振动加速度造成影响或者影响很小，因此当只发生质量矩不平衡时，虽然风电机组机舱前后振动加速变化不明显，但是其机舱左右振动加速度会明显高于正常机组。

如图1所示，基于上述特征，首先选取与风轮不平衡密切相关的变量：机舱前后振动加速度、机舱左右振动加速度及风电机组有功功率；然后针对上述变量按照是否对原始数据进行聚合分别进行功率-加速度分析和振动加速度频谱箱线图分析并分别得出判断特征1和判断特征2，并根据判断特征1和判断特征2确定风电机组是否存在气动不平衡；最后在排除风电机组存在气动不平衡的情况下，根据振动加速度频谱分析所得的判断特征3确定风电机组是否存在质量矩不平衡。当然，在其它实施例中，变量也可以选择机舱振动位移、机舱振动速度、主轴振动位移、主轴振动速度或主轴振动加速度中的任意一种。

根据上述分析及流程图，主要包括如下步骤：

(1)SCADA离线数据预处理：相关变量选取、数据筛选

首先，针对SCADA离线历史数据，选取与风电机组风轮不平衡密切相关的变量，这些变量包括机舱前后振动加速度、机舱左右振动加速度及风电机组有功功率，选取数据的时间粒度为1s，选取数据时间长度至少为1个月。然后，根据主控状态筛选出在正常发电下的运行数据，并针对数据中存在有功功率超出0或者额定功率范围之外的数据，及各种异常、残缺的数据进行剔除，在进行数据剔除时，三个变量(机舱前后振动加速度、机舱左右振动加速度及风电机组有功功率)中若任意一个或多个变量在某时刻存在异常或者残缺数据，那么三个变量在该时刻的数据均需剔除掉。

(2)风电机组气动不平衡判断

判断特征1：当风电机组功率为额定功率段时，风电机组机舱前后振动加速度及机舱左右振动加速度有效值的平均值超过阈值参数1(即第一预设值，该阈值为正常情况下机舱前后及左右振动加速度有效值所处的正常范围边界)。

具体操作步骤如下：

数据聚合：机舱前后及左右振动加速度数据聚合、风电机组有功功率聚合

由于机舱前后振动加速度及机舱左右振动加速度是以0为中心上下波动的数据，无法取平均值，而振动加速度的有效值接近于振动信号的能量值，能够表示振动的破坏能力。因此，采用机舱振动有效值来代替机舱振动平均值。首先将原始秒级数据中机舱前后及左右振动加速度聚合成1min有效值，其次为使数据点相同将风电机组有功功率也进行聚合，并聚合成 1min的平均值。机舱前后其左右加速度有效值聚合表达公式如下所示：

式中，V_RMS表示加速度的一分钟有效值；v_i表示在同一分钟之内各秒级数据的加速度值； N表示同一分钟之内的数据点的个数。

根据上述公式，对处于同一分钟的机舱前后及左右振动加速度进行有效值聚合，使其时间粒度变为一分钟。然后再将风电机组有功功率按照平均值表达公式进行一分钟聚合，使其对应于上述机舱前后及左右加速度。风电机组有功功率平均值聚合表达公式如下所示：

式中，

表示风电机组有功功率的一分钟平均值；P_i表示在同一分钟之内各秒级数据的有功功率值；N表示同一分钟之内的数据点个数。

功率分箱：风电机组有功功率分箱处理、机舱前后及左右振动加速度箱内平均。

机舱前后振动加速度及机舱左右振动加速度由于受风电机组工况影响，不同工况下其振动加速度的大小变化范围不同，并可知风电机组发电功率越大，其机舱前后及左右振动加速度越大。因此，在观察机舱前后及左右振动加速度时需考虑风电机组有功功率，不同的功率区间对应正常运行的风电机组机舱前后及左右振动加速度值不同。首先采用比恩法(Bins) 对上述一分钟聚合数据进行处理，将风电机组有功功率以50KW为单位划分成若干个不同的功率区间，然后分别求处于不同功率区间的机舱前后及左右振动加速度值的平均值；当然，在其它实施例，分箱宽度除了50KW，还可以选择1kw，2kw，3kw，…，49kw，50kw，…最高为风电机组额定功率的1/10。风电机组有功功率区间划分的公式如下所示：

P^*＝floor((P+25)/50)*50 (3)

式中，P*表示风电机组有功功率的功率区间；P表示聚合为一分钟的各有功功率值；floor 表示向下取整函数。

根据每个数据点所落的功率区间，对机舱前后振动加速度及机舱左右振动加速度求平均值，具体如下式所示：

式中，

表示风电机组某个功率区间振动加速度有效值的平均值；V_RMS表示落在该功率区间内的振动加速度有效值；n表示落在该功率区间内的数据点数。

功率-加速度分析：按照上述公式，可分别求得在每个功率区间内机舱前后及左右振动加速度平均值，根据不同功率区间内的机舱前后及左右振动加速度平均值可绘制出各台风电机组的功率-机舱前后振动加速度图及功率-机舱左右振动加速度图，如图2所示。

判断条件2：机组在满发(额定功率)运行条件下，风电机组机舱前后振动加速度1P幅值分布的中位数高于参数2(即第二预设值)，或者上分位数高于3倍的下分位数。

具体操作步骤如下：

工况筛选：根据风电机组有功功率，从上一步SCADA离线数据预处理后的数据中筛选出满发工况(额定功率)下的机舱前后振动加速度数据点，作为后续机舱前后振动加速度频谱分析的输入；

数据切分：为保证振动加速度频谱分析后的频谱分辨率，本发明对上述已筛选数据进行数据切分，按照时间序列，以1000个点为一组切分数据，可分为N组数据；

机舱前后振动加速度频谱箱线图分析：对上述N组数据分别进行FFT分析，可得到机舱前后振动加速度的N个1P幅值，然后分别做机舱前后振动加速度的1P幅值箱线图，并提取中位数，上分位数(四分之三分位数)及下分位数(四分之一分位数)。不同平衡工况下的风电机组机舱前后振动加速度1P幅值分布不同，如图3所示：

在线诊断：根据风电机组风轮气动不平衡的原理分析，可知若风电机组机舱振动加速度同时满足判断条件1及判断条件2，则可判断该机组存在风轮气动不平衡；若其中有一个条件不满足，则不能判断风电机组存在风轮气动不平衡；若两个条件均不满足，则判断风电机组不存在风轮气动不平衡。

(3)风电机组质量矩不平衡判断

由于风电机组质量矩不平衡的表现特征为：机舱前后振动加速度不明显，而其机舱左右振动加速度明显。因此，当风电机组同时存在气动不平衡时则很难判断其是否同时存在质量矩不平衡，但是当明确排除风电机组不存在气动不平衡时，则可以通过以下判断条件来判断风电机组是否存在质量矩不平衡。

判断条件3：机组在满发运行条件下，风电机组机舱左右振动加速度1P幅值分布的中位数高于参数3。

具体操作步骤同判断过程2的操作步骤相同，只需将机舱前后振动加速度值置换成机舱左右振动加速度。不同平衡工况下的风电机组机舱左右振动加速度1P幅值分布不同，如图 4所示。

在线诊断：综上所述，在风电机组气动不平衡判断结果为否的条件下，可根据判断条件 3判断风电机组是否存在质量矩不平衡。

本发明的风电机组风轮不平衡的辨识方法，只采用风电机组机舱前后振动加速度、机舱左右振动加速度、风电机组有功功率作为变量输入；所选变量少易于获得，无需额外安装传感器，且所选变量对风电机组风轮不平衡很敏感，能够及时、准确反应早期故障特征。

本发明的风电机组风轮不平衡的辨识方法，在对数据进行筛选时，要求筛选出处于正常发电工况下的数据，并剔除掉有功功率超出0～额定功率范围之外的数据，以及其他异常、残缺数据，能够避免噪声数据对诊断结果的影响。

本发明的风电机组风轮不平衡的辨识方法，在进行功率-振动加速度分析时，采用机舱前后及左右振动加速度一分钟有效值来替代机舱前后及左右振动加速度。其中振动加速度有效值相比振动加速度更能体现振动的能量及其对部件的破环力，且可以减小偶然因素对振动值大小的影响。

本发明的风电机组风轮不平衡的辨识方法，在进行功率-振动加速度分析时，采用比恩法划分功率区间并求得不同功率区间内机舱前后及左右振动加速度有效值的平均值，充分考虑了风电机组不同工况对机舱前后及左右振动加速度的影响，使得结果更加准确。

本发明的风电机组风轮不平衡的辨识方法，在对振动加速度进行频谱分析时，采用箱线图对振动1P幅值分布进行分析，并通过箱线图的特征值来构建判断风电机组风轮不平衡的条件；其中箱线图特征值简单易求，能够较好地表示振动1P的幅值分布，从而反映出振动情况，帮助确定风电机组是否发生风轮不平衡。

本发明还公开了一种风电机组风轮不平衡的辨识***，包括

第一模块、用于获取风电机组有功功率、风电机组前后及左右的振动变量，得到预定时间段内风电机组前后及左右的振动变量有效值的平均值，并预设对应有功功率下风电机组前后及左右振动变量的标准阈值；

第二模块、用于在步骤S01中筛选出额定功率下风电机组前后的振动变量，进行数据切换，划分为N组数据并进行FFT分析，提取中位数、上分位数和下分位数；

第三模块、用于当风电机组同时满足以下两个条件时，判断风轮气动不平衡；

(1)风电机组前后及左右的振动变量有效值的平均值均大于对应功率下的标准阈值；

(2)中位数高于第一预设标准值或者上分位数高于三倍的下分位数。

本发明还对应公开了一种计算机可读储存介质，其上储存有计算机程序，该程序被处理器执行时实现如上所述的方法。

以上仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，应视为本发明的保护范围。

Claims (14)

1.一种风电机组风轮不平衡的辨识方法，其特征在于，包括以下步骤：

S01、获取风电机组有功功率、风电机组前后及左右的振动变量，得到预定时间段内风电机组前后及左右的振动变量有效值的平均值，并预设对应有功功率下风电机组前后及左右振动变量的标准阈值；

S02、对额定功率下风电机组前后的振动变量进行数据切换，划分为N组并进行FFT分析，提取中位数、上分位数和下分位数；

S03、当风电机组同时满足以下两个条件时，则判断风轮气动不平衡；

(1)风电机组前后及左右的振动变量有效值的平均值均大于对应功率下的标准阈值；

(2)中位数高于第一预设标准值或者上分位数高于三倍的下分位数。

2.根据权利要求1所述的风电机组风轮不平衡的辨识方法，其特征在于，在步骤S01中，所述风电机组的振动变量为机舱振动位移、机舱振动速度、机舱振动加速度、主轴振动位移、主轴振动速度或主轴振动加速度中的任意一种。

3.根据权利要求2所述的风电机组风轮不平衡的辨识方法，其特征在于，所述风电机组的振动变量为机舱振动加速度；所述步骤S03的条件(1)中风电机组前后及左右的振动变量有效值的平均值的求取过程如下：

S31、对风电机组机舱前后及左右振动加速度进行有效值聚合，对有功功率进行平均值聚合；

S32、对风电机组的有功功率进行分箱处理，以及对机舱前后及左右振动加速度进行箱内平均，得到平均值。

4.根据权利要求3所述的风电机组风轮不平衡的辨识方法，其特征在于，所述步骤S31中，风电机组机舱前后及左右振动加速度进行有效值聚合的公式为：

其中，V_RMS表示振动加速度的一分钟有效值；v_i表示在同一分钟之内各秒级数据的振动加速度值；N表示同一分钟之内的数据点的个数。

5.根据权利要求3所述的风电机组风轮不平衡的辨识方法，其特征在于，所述步骤S31中，有功功率进行平均值聚合的公式为：

其中，

表示风电机组有功功率的一分钟平均值；P_i表示在同一分钟之内各秒级数据的有功功率值；N表示同一分钟之内的数据点个数。

6.根据权利要求3所述的风电机组风轮不平衡的辨识方法，其特征在于，所述步骤S32的具体过程为：采用比恩法对聚合数据进行处理，将风电机组有功功率以一定间隔划分成若干个不同的功率区间，然后分别求取处于不同功率区间的机舱前后及左右振动加速度有效值的平均值。

7.根据权利要求6所述的风电机组风轮不平衡的辨识方法，其特征在于，所述风电机组有功功率区间划分的公式为：

P^*＝floor((P+25)/50)*50 (3)

其中P*表示风电机组有功功率的功率区间；P表示聚合为一分钟的各有功功率值；floor表示向下取整函数。

8.根据权利要求6所述的风电机组风轮不平衡的辨识方法，其特征在于，求取处于不同功率区间的机舱前后及左右振动加速度有效值的平均值的公式为：

其中，

表示风电机组某个功率区间振动加速度有效值的平均值；V_RMS表示落在该功率区间内的振动加速度有效值；n表示落在该功率区间内的数据点数。

9.根据权利要求1至8中任意一项所述的风电机组风轮不平衡的辨识方法，其特征在于，所述步骤S02的具体过程为：

S21、对步骤S01中的数据进行数据切分，按照时间序列，以M个点为一组切分数据，划分为N组数据；

S22、对上述N组数据分别进行FFT分析，得到机舱前后振动加速度的N个1P幅值，然后分别做机舱前后振动加速度的1P幅值箱线图，并提取中位数，上分位数及下分位数。

10.根据权利要求1至8中任意一项所述的风电机组风轮不平衡的辨识方法，其特征在于，在步骤S02中，将有功功率超出0～额定功率范围之外的数据进行筛选后剔除。

11.根据权利要求1至8中任意一项所述的风电机组风轮不平衡的辨识方法，其特征在于，在步骤S03中，当风电机组不满足两个条件时，则判断不存在风轮气动不平衡；在此基础上，对风电机组质量矩是否平衡进行判断。

12.根据权利要求11所述的风电机组风轮不平衡的辨识方法，其特征在于，对风电机组质量矩是否平衡进行判断的过程为：

S41、在步骤S01中筛选出额定功率下风电机组左右的振动变量，进行数据切换，划分为N组数据并进行FFT分析，提取对应的中位数、上分位数和下分位数；其中振动变量为机舱左右振动加速度；

S42、在机组处于额定功率下，风电机组机舱左右振动加速度1P幅值分布的中位数高于第二预设参数，则判断风电机组质量矩不平衡。

13.一种风电机组风轮不平衡的辨识***，其特征在于，包括

第一模块、用于获取风电机组有功功率、风电机组前后及左右的振动变量，得到预定时间段内风电机组前后及左右的振动变量有效值的平均值，并预设对应有功功率下风电机组前后及左右振动变量的标准阈值；

第二模块、用于在步骤S01中筛选出额定功率下风电机组前后的振动变量，进行数据切换，划分为N组数据并进行FFT分析，提取中位数、上分位数和下分位数；

第三模块、用于当风电机组同时满足以下两个条件时，判断风轮气动不平衡；

(1)风电机组前后及左右的振动变量有效值的平均值均大于对应功率下的标准阈值；

(2)中位数高于第一预设标准值或者上分位数高于三倍的下分位数。

14.一种计算机可读储存介质，其上储存有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1至12中任意一项所述的方法。

Images