CN114691747A - 一种兆瓦级永磁直驱风力发电机电气设备劣化程度识别方法 - Google Patents
一种兆瓦级永磁直驱风力发电机电气设备劣化程度识别方法 Download PDFInfo
- Publication number
- CN114691747A CN114691747A CN202011619124.XA CN202011619124A CN114691747A CN 114691747 A CN114691747 A CN 114691747A CN 202011619124 A CN202011619124 A CN 202011619124A CN 114691747 A CN114691747 A CN 114691747A
- Authority
- CN
- China
- Prior art keywords
- electrical equipment
- degradation degree
- degradation
- permanent magnet
- magnet direct
- 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.)
- Pending
Links
- 230000015556 catabolic process Effects 0.000 title claims abstract description 43
- 238000006731 degradation reaction Methods 0.000 title claims abstract description 43
- 238000000034 method Methods 0.000 title claims abstract description 20
- 238000013507 mapping Methods 0.000 claims abstract description 13
- 238000012423 maintenance Methods 0.000 claims abstract description 8
- 230000036541 health Effects 0.000 claims description 2
- 238000012067 mathematical method Methods 0.000 claims 1
- 230000001932 seasonal effect Effects 0.000 claims 1
- 230000008901 benefit Effects 0.000 abstract description 3
- 238000010248 power generation Methods 0.000 abstract description 2
- 230000009286 beneficial effect Effects 0.000 abstract 1
- 230000006866 deterioration Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 108010076504 Protein Sorting Signals Proteins 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/254—Extract, transform and load [ETL] procedures, e.g. ETL data flows in data warehouses
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- Human Resources & Organizations (AREA)
- Fuzzy Systems (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Primary Health Care (AREA)
- Marketing (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Tourism & Hospitality (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Wind Motors (AREA)
Abstract
本发明提供一种兆瓦级永磁直驱风力发电机电气设备劣化程度识别方法，包括以下内容：采集SCADA***电气设备相关运行数据，计算数据项与电气设备相关系数，提取相关系数大于0.6的数据项作为电气设备的特征参数；考虑正常工况且同一时间维度下，特征参数的映射结果，将各个特征参数的相关系数映射到[0,1]区间，得到其权重，计算各特征参数映射结果与权重乘积和，得到电气设备的劣化度；考虑平稳序列和非平稳序列，搭建劣化趋势预测模型，预测电气设备未来一年劣化程度。本发明针对现有技术对兆瓦级永磁直驱风力发电机电气设备劣化程度方面应用不足的情况，提出一种兆瓦级永磁直驱风力发电机电气设备劣化程度识别方法，有助于掌握电气设备劣化程度与劣化趋势，合理安排检修计划，避免“过维修”与“欠维修”问题，提高风机的发电效益。
Description
技术领域
本发明涉及的是一种风电技术领域的劣化程度识别技术，是对兆瓦级永磁直 驱风力发电机的电气设备劣化程度识别、劣化趋势预测的技术。
背景技术
据统计，兆瓦级永磁直驱风力发电机故障中，电气设备的故障造成的故障停 机占比较大，如发电机温度过高等失效问题，一旦发生故障或失效，将直接影响 整个机组的安全稳定运行。兆瓦级永磁直驱风力发电机组外部工作环境一般处于 户外高温、高湿、盐雾当中，机组运行中还会受到交变的电磁干扰、网侧电气量 的剧烈波动、控制电路人为误操作等情况都可能引起电气设备不同程度的失效。 多数情况下电气设备未彻底损坏，只是局部劣化，***运行依然良好，这样电气 设备损坏不易被发现，日常维护过程中也容易忽略该部位，一旦电气设备进一步 劣化造成故障甚至事故，会耗费大量的人力物力进行抢修。
提前掌握兆瓦级永磁直驱风力发电机电气设备的劣化程度和劣化趋势，了解 风电机组状态，在可预知情况下合理安排检修，有助于提高整机的可靠性和利用 率。
发明内容
本发明提出一种兆瓦级永磁直驱风力发电机电气设备劣化程度识别方法，基 于SCADA***监测数据，运用大数据分析方法，分析兆瓦级永磁直驱风力发电 机电气设备劣化程度，构建劣化模型，预测未来一年电气设备劣化趋势。
本发明提供的一种兆瓦级永磁直驱风力发电机电气设备劣化程度识别方法， 具体步骤如下：
(1)数据采集：从SCADA***中抽取电气设备相关温度方面、电网方面、 风况方面等运行数据。
(2)特征参数提取：计算从抽取的电气设备相关温度方面、电网方面、风 况方面等运行数据与电气设备的相关系数，提取相关系数较大的特征参数。
(3)历史参数分析：考虑不同工况，确定风机正常运行的区间，分析风电 机组电气设备历史特征参数情况。
(4)劣化趋势预测模型建立：搭建时间序列劣化趋势预测模型，预测风电 机组电气设备未来一年劣化趋势。
与现有技术相比，本发明提供一种兆瓦级永磁直驱风力发电机电气设备劣化 程度识别方法，利用SCADA***监测的电气设备相关大数据，搭建劣化趋势预 测模型，识别电气设备劣化程度，避免故障停机造成的损失，提高风电场的发电 效益。
附图说明：
图1为本发明流程示意图。
具体实施方式
下面结合附图对本发明的实施方式作详细说明，本发明的具体实施过程如图 1所示：
(1)数据采集：对SCADA***整体监测模块进行梳理，采用ETL技术抽 取与风电机组电气设备相关的温度数据、风况数据、电网数据等。
(2)特征参数提取：计算温度、风况、电网等数据与风机电气设备的相关 系数，选择相关系数大于0.6的因素作为风机电气设备的特征参数，相关系数公 式如下所示：
其中，Cov(X，Y)为X与Y的协方差，Var[X]为X的方差，Var[Y]为Y的方 差。
(3)历史参数分析：分析历史数据，将特征参数映射到[0,1]之间，公式如 下所示，表征现在电气设备所处于的状态，1代表故障状态，0代表健康状态， 结果越接近1，表明该电气设备故障几率越大。为排除本身故障对结果的影响， 计算时需考虑同一时间维度、正常工况下特征参数的映射结果，即以月度为单位， 计算切入风速、切出风速区间内且转速正常区间内特征参数的映射结果。
其中，g(x)为劣化度，x为实测数据，α、β为上下限值。
计算出各个特征参数映射结果后，需要将多个特征参数结果组合成一个表征 电气设备的劣化度，具体方法为：将各个特征参数的相关系数映射到[0,1]区间， 得到其对电气设备的影响权重，各个特征参数权重与其映射结果的乘积和为电气 设备的劣化度。
(4)劣化趋势预测模型建立：搭建劣化趋势预测模型，考虑特征参数变化 存在趋势及周期性时，属于非平稳信号序列，公式如下所示：
式中：{at}是残差序列；自回归系数：
滑动平均系数：
考虑特征参数变化不存在趋势时，属于平稳信号序列，公式如下所示：
式中：
自回归多项式；
滑动平均多项式。
将历史电气设备劣化度输入模型，输出未来一年的劣化度，风电场运维人员 可以根据电气设备的劣化趋势制定相应的检修计划。
Claims (4)
1.一种兆瓦级永磁直驱风力发电机电气设备劣化程度识别方法，其特征在于：采集分析电气设备相关运行数据，计算各数据项与电气设备的相关系数，提取相关系数大于0.6的数据项作为电气设备的特征参数，考虑切入、切出风速区间且风机正常运行转速区间的工况，计算同一时间维度下特征参数的映射结果，将特征参数的相关系数映射到[0,1]区间作为权重，乘以相应特征参数的映射结果，得到电气设备的综合劣化度，搭建劣化趋势预测模型，预测电气设备未来一年的劣化程度。
2.如权利要求1中所述的一种兆瓦级永磁直驱风力发电机电气设备劣化程度识别方法，其特征在于：考虑电气设备多个特征参数，采用分段线性数学方法，将其映射到[0,1]之间，1代表故障状态，0代表健康状态，结果越接近1，表明该电气设备劣化程度越大。
3.如权利要求1中所述的一种兆瓦级永磁直驱风力发电机电气设备劣化程度识别方法，其特征在于：计算电气设备劣化度时需考虑同一时间维度以及切入、切出风速区间且风机正常运行转速区间的正常工况，将各个特征参数结果与电气设备的相关系数映射到[0,1]区间，得到其权重，求取各个特征参数的权重与映射结果乘积和，得到电气设备的历史劣化度。
4.如权利要求1中所述的一种兆瓦级永磁直驱风力发电机电气设备劣化程度识别方法，其特征在于：考虑电气设备的特征参数存在趋势或周期性、季节性的非平稳时间序列以及不存在趋势的平稳序列，搭建电气设备劣化趋势预测模型，输入电气设备历史劣化度，输出未来一年劣化趋势，根据劣化程度制定电气设备检修计划。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011619124.XA CN114691747A (zh) | 2020-12-30 | 2020-12-30 | 一种兆瓦级永磁直驱风力发电机电气设备劣化程度识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011619124.XA CN114691747A (zh) | 2020-12-30 | 2020-12-30 | 一种兆瓦级永磁直驱风力发电机电气设备劣化程度识别方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114691747A true CN114691747A (zh) | 2022-07-01 |
Family
ID=82133691
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011619124.XA Pending CN114691747A (zh) | 2020-12-30 | 2020-12-30 | 一种兆瓦级永磁直驱风力发电机电气设备劣化程度识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114691747A (zh) |
-
2020
- 2020-12-30 CN CN202011619124.XA patent/CN114691747A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103872782B (zh) | 一种电能质量数据综合服务*** | |
| CN106351793B (zh) | 用于改进风力发电的***和方法 | |
| CN103912448B (zh) | 一种区域风电场机组功率特性监测方法 | |
| CN107798462A (zh) | 一种风电场风力发电机组运行异常监测与性能评估*** | |
| CN213754105U (zh) | 一种基于大数据的光伏电站智能管理*** | |
| CN117312763B (zh) | 一种基于云平台的变频家电性能可视化监管***及方法 | |
| CN115977855A (zh) | 一种基于人工智能的水电站故障诊断*** | |
| Wilson et al. | Modeling the relationship between wind turbine failure modes and the environment | |
| CN117728587A (zh) | 一种新能源发电设备运行数据的实时监控***及方法 | |
| CN114118553A (zh) | 一种永磁直驱风力发电机双列圆锥滚子轴承劣化识别方法 | |
| CN114691747A (zh) | 一种兆瓦级永磁直驱风力发电机电气设备劣化程度识别方法 | |
| CN116050613B (zh) | 水电机组顶盖排水泵剩余使用寿命预测方法 | |
| CN113187672B (zh) | 一种风力发电站的潜能评估方法 | |
| CN115759521A (zh) | 一种基于大数据的海上风力发电机运行故障预测*** | |
| Xuping et al. | State maintenance strategy of wind turbine based on stochastic degradation model | |
| CN115842408A (zh) | 基于scada的风电场运行状态检测***及方法 | |
| CN115170347A (zh) | 一种基于运行风功率曲线的阵列式风电场低效风电机组挖掘方法 | |
| CN113902219A (zh) | 一种主变负载影响因素分析模型的分析方法 | |
| Miao et al. | Energy Availability Analysis of Offshore Wind Farms Considering the Correlation between Wind Speed Cloud Model and Parameters | |
| CN117195136B (zh) | 一种电网新能源异常数据监测方法 | |
| Amiri et al. | A generic framework for wind power forecasting | |
| Dyamond et al. | Detecting anomalous events for a grid connected pv power plant using sensor data | |
| Xie et al. | Data Cleaning and Modeling of Wind Power Curves | |
| Yu et al. | Medium and high voltage bus load forecasting algorithm considering structured electricity usage interactions | |
| CN113988608B (zh) | 一种光伏电站限电损失电量评估方法 |
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 |