CN111577552B - 一种高低速插值拟合的风电机组振动信号归一化方法 - Google Patents

一种高低速插值拟合的风电机组振动信号归一化方法 Download PDF

Info

Publication number
CN111577552B
CN111577552B CN202010245414.6A CN202010245414A CN111577552B CN 111577552 B CN111577552 B CN 111577552B CN 202010245414 A CN202010245414 A CN 202010245414A CN 111577552 B CN111577552 B CN 111577552B
Authority
CN
China
Prior art keywords
rotating speed
speed
signal
wind turbine
vibration signal
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010245414.6A
Other languages
English (en)
Other versions
CN111577552A (zh
Inventor
安普亮
曹久亚
王俭
刘晓光
张银龙
周颖
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huadian International Ningxia New Energy Power Generation Co ltd
Huadian Electric Power Research Institute Co Ltd
Original Assignee
Huadian International Ningxia New Energy Power Generation Co ltd
Huadian Electric Power Research Institute Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Huadian International Ningxia New Energy Power Generation Co ltd, Huadian Electric Power Research Institute Co Ltd filed Critical Huadian International Ningxia New Energy Power Generation Co ltd
Priority to CN202010245414.6A priority Critical patent/CN111577552B/zh
Publication of CN111577552A publication Critical patent/CN111577552A/zh
Application granted granted Critical
Publication of CN111577552B publication Critical patent/CN111577552B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
    • F03D—WIND MOTORS
    • F03D17/00—Monitoring or testing of wind motors, e.g. diagnostics
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B10/00—Integration of renewable energy sources in buildings
    • Y02B10/30—Wind power
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P70/00—Climate change mitigation technologies in the production process for final industrial or consumer products
    • Y02P70/50—Manufacturing or production processes characterised by the final manufactured product

Landscapes

  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Wind Motors (AREA)

Abstract

本发明公开了一种高低速插值拟合的风电机组振动信号归一化方法，首先建立信号转换模型，得到任意转速下振动信号与基准转速下振动信号的转换关系；然后对模型参数进行估计，基于训练样本，利用最小二乘拟合原理估计信号转换模型在不同转速下的参数；最后将不同转速下的监测振动信号转换到基准转速下。本发明考虑了转速对监测信号幅值的影响，对振动信号进行归一化处理，更符合生产实际，有利于消除高转速带来的幅值突变，能够提高后续对风电机组剩余寿命预测的精度。

Description

一种高低速插值拟合的风电机组振动信号归一化方法
技术领域
本发明属于风电机组健康管理与剩余寿命预测技术领域，具体涉及一种高低速插值拟合的风电机组振动信号归一化方法。
背景技术
风力发电机近年来发展迅速，装机容量与日俱增，发电量十分可观。随着风电机组精密化程度的不断提高，其传动***也变得越来越复杂，各个零部件往往相互耦合，某个零部件的故障可能会引起整个机组的失效甚至损坏，从而带来巨大的经济损失。因此，工业生产过程中对风电机组运转时零部件的可靠性提出了更高的要求，针对机组中的关键部件开展健康管理和剩余寿命预测，实现预防性维修变得越发重要。
风电机组由于工作环境特殊，通常在时变工况下作业，其转速和发电量随着风速变化而变化，在高转速下工作会激励部件产生更大的振动能量，增加振动信号的幅值而产生突变，从而增加风电机组剩余寿命的不确定性，对机组的健康状态评估造成干扰，进而降低剩余寿命预测的准确性。因此，结合风电机组高低转速的变化，对振动信号进行进一步处理以提高风电机组剩余寿命预测的精度至关重要。
发明内容
为了解决以上问题，本发明提供了一种高低速插值拟合的风电机组振动信号归一化方法，将不同转速下的振动信号转化为基准转速下的振动信号，使用训练样本数据通过插值最小二乘拟合算法估计模型参数，由此实现高低转速下风电机组振动信号的归一化，从而提高后续机组剩余寿命预测的精度。
本发明解决上述问题所采用的技术方案是：一种高低速插值拟合的风电机组振动信号归一化方法，其特征在于，适用于风电机组旋转类零部件的监测振动信号处理，实施者可以根据旋转类零部件的运行特性，合理地确定基准转速以达到期望的归一化效果，包括以下步骤：
1)构建信号转换模型；
考虑到转速对振动信号幅值的影响，建立如下观测函数：
Figure GDA0003012060000000011
其中，yi为ti时刻的观测值，即振动信号有效值；ri代表ti时刻机组所处转速的序号，若机组在三种不同的转速下运行，则ri为(1，2，3)中的某一值；vi为观测噪声，
Figure GDA0003012060000000021
和γ为模型的待估计参数；
如已知不同转速下的待估计参数，则可以根据(1)式计算得到ti时刻所对应的任意转速下的外部响应信号幅值；将ti时刻分别处于转速r和基准转速下的信号幅值分别记为
Figure GDA0003012060000000022
和
Figure GDA0003012060000000023
则有以下转换关系：
Figure GDA0003012060000000024
其中，α′r＝αB/αr和β′r＝αB(βB-βr)是变换参数，αB和βB是在基准转速下的模型参数，αr和βr是在转速r下的模型参数；
2)估计模型参数；
在不同转速下观测函数对应不同的模型参数，首先选取运行时间最长的转速作为基准转速，通过变换算法将不同转速下的监测信号转换到基准转速下，信号变换参数α′r和β′r的估计过程如下：
①假设风电机组在R种不同的转速下运行，训练样本共有N个，将第n个样本的转速和振动信号记为
Figure GDA0003012060000000025
和
Figure GDA0003012060000000026
其中Kn为第n个样本的采样点数；
②找到所处转速r下每个单元的所有时刻，获得它们在基准转速下的线性插值，并记为
Figure GDA0003012060000000027
③根据式(3)，计算插值信号和转换后信号的误差平方和：
Figure GDA0003012060000000028
其中，Tr,n代表第n个单元在转速r下的时间集合；
④将式(4)代入式(3)，使用一维优化估计，求得α′r的估计结果记为
Figure GDA0003012060000000029
并将其代入式(4)可得β′r的估计结果
Figure GDA00030120600000000210
Figure GDA0003012060000000031
其中，|Tr,n|是Tr,n的长度；
⑤重复上述步骤①～④，依次建立基准转速与其他转速下监测信号的函数关系，求得除基准转速外R-1个转速下的转换参数的估计值；将参数估计值代入(2)式中，则可得到任意转速下的监测信号在基准转速下的相对值，即实现了风电机组振动信号的归一化。
本发明与现有技术相比，具有以下优点和效果：本发明考虑不同转速对信号幅值的影响，提出信号转换算法。该算法将不同转速下的监测信号转换到基准转速下，实现振动信号的归一化，从而有效地降低了转速变化对振动信号幅值的干扰，提高了后续风电机组剩余寿命预测的精度。
附图说明
图1为本发明方法的流程图。
图2为实施例中某台风电机组发电机转速等级划分图。
图3为实施例中某台风电机组发电机轴承转速及监测信号归一化结果图。
具体实施方式
下面结合附图并通过实施例对本发明作进一步的详细说明，以下实施例是对本发明的解释而本发明并不局限于以下实施例。
实施例。
参见图1，本实施例中，一种高低速插值拟合的风电机组振动信号归一化方法，包括以下步骤：
1)构建信号转换模型；
考虑到转速对振动信号幅值的影响，建立如下观测函数：
Figure GDA0003012060000000032
其中，yi为ti时刻的观测值，即振动信号有效值；ri代表ti时刻机组所处转速的序号，若机组在三种不同的转速下运行，则ri为(1，2，3)中的某一值；vi为观测噪声，
Figure GDA0003012060000000033
和γ为模型的待估计参数；
如已知不同转速下的待估计参数，则可以根据(1)式计算得到ti时刻所对应的任意转速下的外部响应信号幅值；将ti时刻分别处于转速r和基准转速下的信号幅值分别记为
Figure GDA0003012060000000041
和
Figure GDA0003012060000000042
则有以下转换关系：
Figure GDA0003012060000000043
其中，α′r＝αB/αr和β′r＝αB(βB-βr)是变换参数，αB和βB是在基准转速下的模型参数，αr和βr是在转速r下的模型参数；
2)估计模型参数；
在不同转速下观测函数对应不同的模型参数，首先选取运行时间最长的转速作为基准转速，通过变换算法将不同转速下的监测信号转换到基准转速下，信号变换参数α′r和β′r的估计过程如下：
①假设风电机组在R种不同的转速下运行，训练样本共有N个，将第n个样本的转速和振动信号记为
Figure GDA0003012060000000044
和
Figure GDA0003012060000000045
其中Kn为第n个样本的采样点数；
②找到所处转速r下每个单元的所有时刻，获得它们在基准转速下的线性插值，并记为
Figure GDA0003012060000000046
③根据式(3)，计算插值信号和转换后信号的误差平方和：
Figure GDA0003012060000000047
其中，Tr,n代表第n个单元在转速r下的时间集合；
④将式(4)代入式(3)，使用一维优化估计，求得α′r的估计结果记为
Figure GDA0003012060000000048
并将其代入式(4)可得β′r的估计结果
Figure GDA0003012060000000049
Figure GDA00030120600000000410
其中，|Tr,n|是Tr,n的长度；
⑤重复上述步骤①～④，依次建立基准转速与其他转速下监测信号的函数关系，求得除基准转速外R-1个转速下的转换参数的估计值；将参数估计值代入(2)式中，则可得到任意转速下的监测信号在基准转速下的相对值，即实现了风电机组振动信号的归一化。
在风电机组运行过程中，由于各旋转部件的转速由风机叶片到发电机端逐渐升高，处于主传动链末端的发电机轴承将承受巨大的交变载荷和外力冲击，导致其故障发生率远高于其他零部件。当风电机组工作转速变化时，轴承监测振动信号幅值将受到较大影响，进而降低后续剩余寿命预测的准确性。因此为了进一步证明本方法的有效性，对发电机轴承监测振动信号进行归一化处理，并将处理前和处理后的监测数据分别用于风电机组发电机轴承的失效时间判断中进行对比。
如图2所示，对某台风电机组发电机转速进行统计分析，结果表明发电机转速集中在1080rpm和1800rpm附近。其中1080rpm为机组最低工作转速，1800rpm为额定转速。以均值1440rpm为界，将转速分为高速和低速两个等级，选取占总时长63％的低速级作为基准转速。某台风电机组发电机轴承振动信号归一化结果如图3所示。从图中可以看出经过工况转换后的信号序列消除了部分由于转速变化引起的信号波动。该风电机组轴承原始振动信号由于转速波动的影响在临近失效点发生了误报，自由端原始振动信号显示该轴承在服役148天后超出了失效阈值，但经过归一化转换之后，失效时间变为180天，与实际失效时间相符。该机组驱动端也有类似结果，原始振动信号显示轴承服役99天后失效，经归一化转换失效时间变为130天，与实际失效时间相符。信号转换结果验证了本发明提出的方法可以消除转速变化引起的幅值变动，避免误报发生。
本发明所提出的高低速插值拟合的风电机组振动信号归一化方法，适用于风电机组中旋转类零部件的监测振动信号处理。在实际应用中，实施者可以根据旋转类零部件的运行特性，合理地确定基准转速以达到期望的归一化效果。本发明提出的方法有效地降低了转速变化对振动信号幅值的干扰，提高了后续风电机组剩余寿命预测的精度。应当指出，在不脱离本发明构想的前提下，对本方法所做的调整和变形，也应视为本发明的保护范围。

Claims (1)

1.一种高低速插值拟合的风电机组振动信号归一化方法，其特征在于，包括以下步骤：
1)构建信号转换模型；
考虑到转速对振动信号幅值的影响，建立如下观测函数：
Figure FDA0003012059990000011
其中，yi为ti时刻的观测值，即振动信号有效值；ri代表ti时刻机组所处转速的序号，若机组在三种不同的转速下运行，则ri为(1，2，3)中的某一值；υi为观测噪声，
Figure FDA0003012059990000012
和γ为模型的待估计参数；
当已知不同转速下的待估计参数时，则根据(1)式计算得到ti时刻所对应的任意转速下的外部响应信号幅值；将ti时刻分别处于转速r和基准转速下的信号幅值分别记为
Figure FDA0003012059990000013
和
Figure FDA0003012059990000014
则有以下转换关系：
Figure FDA0003012059990000015
其中，α′r＝αB/αr和β′r＝αB(βB-βr)是变换参数，αB和βB是在基准转速下的模型参数，αr和βr是在转速r下的模型参数；
2)估计模型参数；
在不同转速下观测函数对应不同的模型参数，首先选取运行时间最长的转速作为基准转速，通过变换算法将不同转速下的监测信号转换到基准转速下，信号变换参数α′r和β′r的估计过程如下：
①假设风电机组在R种不同的转速下运行，训练样本共有N个，将第n个样本的转速和振动信号记为
Figure FDA0003012059990000016
和
Figure FDA0003012059990000017
其中Kn为第n个样本的采样点数；
②找到所处转速r下每个单元的所有时刻，获得它们在基准转速下的线性插值，并记为
Figure FDA0003012059990000018
③根据式(3)，计算插值信号和转换后信号的误差平方和：
Figure FDA0003012059990000021
其中，Tr,n代表第n个单元在转速r下的时间集合；
④将式(4)代入式(3)，使用一维优化估计，求得α′r的估计结果记为
Figure FDA0003012059990000022
并将其代入式(4)可得β′r的估计结果
Figure FDA0003012059990000023
Figure FDA0003012059990000024
其中，|Tr,n|是Tr,n的长度；
⑤重复上述步骤①～④，依次建立基准转速与其他转速下监测信号的函数关系，求得除基准转速外R-1个转速下的转换参数的估计值；将参数估计值代入(2)式中，则得到任意转速下的监测信号在基准转速下的相对值，即实现了风电机组振动信号的归一化。
CN202010245414.6A 2020-03-31 2020-03-31 一种高低速插值拟合的风电机组振动信号归一化方法 Active CN111577552B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010245414.6A CN111577552B (zh) 2020-03-31 2020-03-31 一种高低速插值拟合的风电机组振动信号归一化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010245414.6A CN111577552B (zh) 2020-03-31 2020-03-31 一种高低速插值拟合的风电机组振动信号归一化方法

Publications (2)

Publication Number Publication Date
CN111577552A CN111577552A (zh) 2020-08-25
CN111577552B true CN111577552B (zh) 2021-06-25

Family

ID=72122509

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010245414.6A Active CN111577552B (zh) 2020-03-31 2020-03-31 一种高低速插值拟合的风电机组振动信号归一化方法

Country Status (1)

Country Link
CN (1) CN111577552B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112855467B (zh) * 2021-03-22 2022-01-11 西安交通大学 一种风力发电机基准工况转换方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106368900A (zh) * 2016-08-31 2017-02-01 重庆科凯前卫风电设备有限责任公司 风力发电机组传动链振动抑制方法、装置、***以及机组
CN107061186A (zh) * 2017-06-09 2017-08-18 北京金风慧能技术有限公司 风力发电机组振动异常预警方法和装置
EP3322060A1 (en) * 2016-11-14 2018-05-16 Nordex Energy GmbH Method of damping electromechanical oscillations on a power system
WO2019129328A1 (en) * 2017-12-29 2019-07-04 Vestas Wind Systems A/S Method and apparatus for monitoring a wind turbine
CN107191339B (zh) * 2017-07-31 2020-01-10 上海电气风电集团有限公司 风力发电机组风轮不平衡监测方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106368900A (zh) * 2016-08-31 2017-02-01 重庆科凯前卫风电设备有限责任公司 风力发电机组传动链振动抑制方法、装置、***以及机组
EP3322060A1 (en) * 2016-11-14 2018-05-16 Nordex Energy GmbH Method of damping electromechanical oscillations on a power system
CN107061186A (zh) * 2017-06-09 2017-08-18 北京金风慧能技术有限公司 风力发电机组振动异常预警方法和装置
CN107191339B (zh) * 2017-07-31 2020-01-10 上海电气风电集团有限公司 风力发电机组风轮不平衡监测方法
WO2019129328A1 (en) * 2017-12-29 2019-07-04 Vestas Wind Systems A/S Method and apparatus for monitoring a wind turbine

Also Published As

Publication number Publication date
CN111577552A (zh) 2020-08-25

Similar Documents

Publication Publication Date Title
CN111259717B (zh) 一种旋转设备状态异常判断方法及***
CN108919116B (zh) 基于MCCKAF-FFT-Softmax的海流发电机不平衡定子电流故障诊断方法
CN111577552B (zh) 一种高低速插值拟合的风电机组振动信号归一化方法
CN112487882B (zh) 一种基于谱相干生成非稀疏指标指导的增强包络谱的方法
CN114742111B (zh) 基于参数自适应特征模态分解故障诊断方法和***
Li et al. Mobile robot motor bearing fault detection and classification on discrete wavelet transform and LSTM network
CN111610024A (zh) 一种基于振动信号的齿轮裂纹故障诊断方法
CN113776818B (zh) 基于Park变换的海上风电机组齿轮***故障诊断方法
CN107862175B (zh) 一种厂房振动多尺度分析方法
CN112283047B (zh) 一种基于风电机组净空监测的载荷监控方法及***
CN112177865A (zh) 一种用于解决风机故障检测中标记噪音和标记不足的方法
CN113819011A (zh) 风力发电机组的叶轮状态检测方法、装置及***
CN116304808A (zh) 基于分数阶随机共振的旋转机械故障诊断方法
CN115683687A (zh) 一种水电机械设备动静碰磨故障诊断方法
CN111220386B (zh) 一种自适应频移变尺度共振技术的轴承故障早期诊断方法
CN114417514A (zh) 一种风电机组齿轮箱故障诊断***、方法、计算机设备、存储介质
CN109376486B (zh) 一种提升齿轮箱故障诊断准确性的方法
CN112284737A (zh) 一种基于奇异能量谱的矿用破碎机转子碰摩故障诊断方法
Kuseyri Condition monitoring of wind turbines: Challenges and opportunities
CN112595973B (zh) 基于电流信号坐标转换的dfig叶轮不平衡故障诊断方法
CN111366360B (zh) 利用转速信号对行星齿轮箱进行早期故障检测的方法
CN112360702B (zh) 一种振动数据的集中监测方法及装置
CN117268535B (zh) 一种基于振动数据的电机转轴状态监测方法
CN113435395B (zh) 基于自适应卡尔曼滤波器的风轮故障自适应诊断方法
CN113374654B (zh) 一种检测风力发电机组叶片开裂的方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant