CN103016264B - 预测风机部件故障的数据分析仪 - Google Patents
预测风机部件故障的数据分析仪 Download PDFInfo
- Publication number
- CN103016264B CN103016264B CN201210352566.1A CN201210352566A CN103016264B CN 103016264 B CN103016264 B CN 103016264B CN 201210352566 A CN201210352566 A CN 201210352566A CN 103016264 B CN103016264 B CN 103016264B
- Authority
- CN
- China
- Prior art keywords
- blower fan
- parameter
- profile
- processing unit
- abnormal
- 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
Links
- 238000007405 data analysis Methods 0.000 title 1
- 230000002159 abnormal effect Effects 0.000 claims description 59
- 238000012545 processing Methods 0.000 claims description 51
- 230000005856 abnormality Effects 0.000 claims description 34
- 230000007257 malfunction Effects 0.000 claims description 28
- 238000004891 communication Methods 0.000 claims description 11
- 238000000034 method Methods 0.000 abstract description 25
- 238000004458 analytical method Methods 0.000 description 7
- 230000004888 barrier function Effects 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 4
- 239000003570 air Substances 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 241001269238 Data Species 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 239000012080 ambient air Substances 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000007664 blowing Methods 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000002826 coolant Substances 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
- G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
- G05B23/0237—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions based on parallel systems, e.g. comparing signals produced at the same time by same type systems and detect faulty ones by noticing differences among their responses
-
- 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
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
- F05B2260/00—Function
- F05B2260/82—Forecasts
- F05B2260/821—Parameter estimation or prediction
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
- F05B2270/00—Control
- F05B2270/30—Control parameters, e.g. input parameters
- F05B2270/332—Maximum loads or fatigue criteria
Landscapes
- Engineering & Computer Science (AREA)
- Sustainable Energy (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Life Sciences & Earth Sciences (AREA)
- Sustainable Development (AREA)
- Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Wind Motors (AREA)
- Control Of Positive-Displacement Air Blowers (AREA)
- Structures Of Non-Positive Displacement Pumps (AREA)
Abstract
本发明提供用于预测风机故障的方法和系统。一种实例方法包括，根据多个风机的运行数据确定风机部件的参数廓线，根据来自多个风机的异常警报确定所述风机的所述部件的异常廓线，以及根据所述参数廓线和所述异常廓线确定所述风机的所述部件的故障概率。所述参数廓线定义在所述部件出现故障之前与所述部件关联的至少一个参数事件，并且所述异常廓线定义在所述部件出现故障之前与所述部件关联的至少一个异常。
Description
技术领域
本发明大体涉及风机，确切地说，涉及预测风机部件故障。
背景技术
已知风机位于各种适合捕获风能的位置处。风机通常根据运行期间与风机关联的环境条件，以及供风机正常运转的状态，来提供变化的性能。在运行期间，风机经常使用传感器来监测风机性能和风机部件。这些传感器中的至少一些传感器可用于检测风机故障。
通常，故障需要关闭、检查和/或重置风机。如果风机地点例如位于不使用专门设备则无法到达的高度，并且/或者风机置于海上，那么派遣团队到风机处这项后勤工作可能很麻烦。此外，与检查和/或修理风机关联的停机时间妨碍了其生成能量的能力。因此，如果风机出现故障，则可能需要几天和/或几周来组装合适设备和/或零件，以使风机恢复正常运转状态。
发明内容
一方面，本发明提供一种在预测风机部件故障时使用的方法。所述方法包括，在计算装置处根据多个风机的运行数据，来确定风机部件的参数廓线。所述参数廓线界定在所述部件出现故障之前，与所述部件关联的至少一个参数事件。所述方法包括，在所述计算装置处根据由多个风机生成的异常警报，来确定所述风机的所述部件的异常廓线。所述异常廓线界定在所述部件出现故障之前，与所述部件关联的至少一个异常。所述方法包括，根据所述参数廓线和所述异常廓线来确定所述风机的所述部件的故障概率。
其中确定所述参数廓线包括，相对于预期值和设定值中的一项来分析所述部件的至少一个参数。
其中分析至少一个参数包括，根据风机状态来分析所述至少一个参数。
其中所述至少一个参数包括与所述风机关联的电压、电流、功率、风速、扭矩和温度中的至少一者。
其中确定所述参数廓线包括，相对于与所述风机关联的第二参数来分析所述部件的至少一个参数。
其中确定所述故障概率包括，根据领域知识来确定所述故障概率。
其中所述领域知识包括以下项中的至少一项：至少一个风机的维护记录以及风机的理论运行。
所述的基于计算机的方法进一步包括，根据所述至少一个参数事件和所述至少一个异常的发生，来指定风机的所述故障概率。
其中确定所述异常廓线包括，辨别与所述部件关联的所述异常警报。
其中确定所述异常廓线包括，根据所述异常警报来验证所述异常廓线的准确度，以及选择超过阈值准确度的所述异常廓线。
其中所述部件包括所述风机的电子部件。
其中确定所述异常廓线包括，对比所述异常警报来验证所述异常廓线，从而确定验证分数，并且其中确定所述故障概率包括，至少根据所述验证分数来衡量所述异常廓线。
另一方面，本发明提供一种在预测风机部件故障时使用的数据分析仪。所述数据分析仪包括：数据库，其包括多个风机的运行数据以及多个风机的异常警报；以及处理装置，其连接到所述数据库。所述处理装置经配置以根据运行数据确定风机部件的参数廓线，根据所述异常警报确定所述风机的所述部件的异常廓线，并且根据所述参数廓线和所述异常廓线来确定所述风机的所述部件的故障概率。所述参数廓线界定在所述部件出现故障之前，与所述部件关联的至少一个参数事件。所述异常廓线界定在所述部件出现故障之前，与所述部件关联的至少一个异常。
其中所述处理装置经配置以辨别与所述部件关联的异常警报，根据所述异常警报验证所述异常廓线的准确度，并且选择超过阈值准确度的所述异常廓线以确定所述异常廓线。
所述的数据分析仪进一步包括，通信接口，所述通信接口用于连接到网络和系统监视器中的至少一者，以接收所述运行数据和所述异常警报。
其中所述处理装置经配置以根据所述至少一个参数事件和所述至少一个异常的发生，来指定风机的所述故障概率。
其中所述至少一个参数事件包括风速与风机的扭矩输出之间的相互关联。
又一方面，本发明提供一种或多种计算机可读存储介质，其上面包括有计算机可执行指令。所述计算机可执行指令使至少一个处理装置根据多个风机的运行数据来确定风机部件的参数廓线，根据由多个风机生成的异常警报来确定所述风机的所述部件的异常廓线，并且根据所述参数廓线和所述异常廓线来确定所述风机的所述部件的故障概率。所述参数廓线界定在所述部件出现故障之前，与所述部件关联的至少一个参数事件。所述异常廓线界定在所述部件出现故障之前，与所述部件关联的至少一个异常。
其中所述计算机可执行指令使所述至少一个处理装置相对于设定值来分析所述部件的至少一个参数，从而确定所述参数廓线。
其中所述计算机可执行指令使所述至少一个处理装置根据所述至少一个参数事件和所述至少一个异常的发生，来指定风机的所述故障概率。
附图说明
图1为示例性风机的透视图。
图2为图示示例性风机场系统的方框图。
图3为图示示例性计算装置的方框图。
图4为图示图1所示风机等功能性风机的扭矩输出与发生故障的风机的扭矩输出进行对比的图表。
图5为在预测风机部件故障时使用的示例性方法的流程图。
| 参考标号 | 部件 | 参考标号 | 部件 |
| 100 | 风机 | 102 | 机舱 |
| 104 | 塔筒 | 106 | 转子 |
| 108 | 转子叶片 | 110 | 旋转轮毂 |
| 112 | 控制器 | 114 | 传感器 |
| 200 | 风机场系统 | 202 | 系统监视器 |
| 204 | 网络 | 206 | 数据分析仪 |
| 208 | 通信信道 | 300 | 计算装置 |
| 302 | 处理装置 | 304 | 数据库 |
| 310 | 通信接口 | 315 | 显示装置 |
| 320 | 操作员 | 325 | 输入装置 |
| 400 | 图表 | 402 | Z-分数 |
| 404 | Z-分数 | 406 | 点 |
| 500 | 方法 | 502 | 确定 |
| 504 | 确定 | 506 | 确定 |
具体实施方式
本专利申请文件所述的实施例有助于预测风机部件故障。
图1为示例性风机100的透视图，所述风机包括机舱102，其容纳发电机(图1中未图示)。机舱102安装在塔筒104(图1中仅图示了塔筒104的一部分)上，塔筒104可具有有助于风机100如本专利申请文件所述一般运行的任何合适高度。在示例性实施例中，风机100也包括转子106，其具有连接到旋转轮毂110的三片转子叶片108。或者，风机100可包括使风机100如本专利申请文件所述一般运行的任意数量的转子叶片108。在示例性实施例中，风机100包括齿轮箱(未图示)，其以旋转方式连接到转子106和发电机。
在一些实施例中，风机100包括控制器112以及一个或多个传感器114。传感器114提供有关风机100的运行数据。在一项实施例中，(各)传感器114包括一个或多个风速和/或方向传感器(例如风速计)、周围空气温度传感器、部件温度传感器、控制器温度传感器、空气密度传感器、气压传感器、湿度传感器、转子扭矩传感器、电压传感器、电流传感器、功率传感器、叶片桨距角传感器、转子速度传感器，以及/或者适合用于风机100的其他传感器。传感器114感测风机级的运行参数，例如转子速度，并且/或者感测部件级的运行参数，例如开关装置两端的电压。部件可包括风机100的任何子组件。例如，控制器112可为部件，同时控制器112内的开关装置也可为部件。
每个传感器114根据其功能进行定位。例如，风速计可置于机舱102的外表面上，以便风速计与风机100周围的空气接触。每个传感器114生成并发射对应于所检测的运行条件的一个或多个信号。此外，例如，每个传感器114可连续地、周期性地或者一次性地发射信号，但是，其他信号计时也是计划好的。传感器114连接到控制器112，并且控制器112从每个传感器114接收运行数据。此外，控制器112经配置以控制风机100的运行，并且可包括，但不限于，制动器、继电器、电动机、螺线管和/或伺服系统。此外，控制器112可经配置以调整风机100的物理配置，例如，转子叶片108的角度或间距，以及/或者机舱102或转子106相对于塔筒104的方向。
图2所示为示例性风机场系统200。在示例性实施例中，风机场系统200包括多个风机100。风机场系统200包括系统监视器202，其连接到每个风机100。系统监视器202监测并且/或者控制每个风机100。例如，系统监视器202可包括监控和数据采集(SCADA)系统。系统监视器202通过网络204连接到每个风机100。网络204可包括，但不限于，因特网、局域网(LAN)、广域网(WAN)、无线LAN、网状网络，以及/或者虚拟专用网(VPN)。
风机场系统200包括数据分析仪206。在示例性实施例中，数据分析仪206以通信方式连接到系统监视器202。例如，数据分析仪206可通过通信信道208直接连接到系统监视器202，并且/或者通过例如网络204的网络连接到系统监视器202。或者，数据分析仪206可与系统监视器202分离，这样，数据传递需要在数据分析仪206和系统监视器202之间对闪存驱动器或CD-ROM等可移动计算机可读介质进行物理传递。
图3所示为示例性计算装置300。在示例性实施例中，系统监视器202和数据分析仪206中的每者为独立计算装置300。在至少一项实施例中，系统监视器202和数据分析仪206可并入一个计算装置300中。计算装置300包括处理装置302，以及连接到处理装置302的数据库304。处理装置302可包括任意处理单元，例如，但不限于，中央处理器(CPU)、集成电路(IC)、专用集成电路(ASIC)、微型计算机、微型控制器、可编程逻辑装置(PLD)，以及/或者任何其他可编程电路。处理器可包括多个处理单元(例如在多核配置中)。
数据库304为允许对处理装置302的可执行指令和/或其他数据等信息进行存储和检索的任意装置。数据库可包括，但不限于，一个或多个随机存取存储器(RAM)装置、只读存储器(ROM)装置、硬盘驱动器装置、闪存、光学装置，以及/或者其他计算机可读介质。存储在数据库304中的是，例如，用于生成一个或多个故障描述和/或可能性的计算机可读指令。或者或此外，数据库304可经配置以存储从一个或多个风机100发射的运行数据、从一个或多个风机100发射的异常警报，以及/或者适合用于本专利申请文件所述方法的任何其他数据。
计算装置300包括允许处理装置302与网络204通信的通信接口310，以及/或者与网络204通信的其他计算装置300。此外，闪存驱动器、CD-Rom等可移动计算机可读介质可通过通信接口310或者直接与处理装置302通信。
在一些实施例中，计算装置300包括用于向操作员320显示信息的至少一个显示装置315。显示装置315为能够将信息传达给操作员320的任何部件。显示装置315可包括，但不限于，显示装置(例如，液晶显示器(LCD)、有机发光二极管(OLED)显示器，或者“电子墨水”显示器)以及/或者音频输出装置(例如，扬声器或头戴式耳机)。在一些实施例中，显示装置315经配置以向操作员320显示风机信息，例如一个或多个风机100(图1中所示)的可能功率输出和/或实际功率输出。
在一些实施例中，计算装置300包括用于接收来自操作员320的输入的输入装置325。输入装置325可包括，例如，键盘、定点装置、鼠标、触敏面板(例如触摸板或触摸屏)，以及/或者用于接收来自操作员320的一条或多条输入信息的其他合适的输入装置。触摸屏等单个部件可同时用作显示装置315的输出装置和输入装置325。
在示例性实施例中，数据库304包括运行数据和异常警报。运行数据和/或异常警报可由一个或多个风机100生成。具体而言，运行数据包括由传感器114感测和/或测量的任何参数，如上文所述。参数可包括，但不限于，相电压、相电流、功率、风速、扭矩、温度等。在示例性实施例中，运行数据通过网络204从每个风机100传输到系统监视器202，并且存储在数据库304中。运行数据可由风机100按各种间隔并且/或者实时发射。具体而言，例如，运行数据可从一个或多个传感器114接收，并且按一些间隔从控制器112传输到系统监视器202，所述间隔不限于，约10分钟、约5分钟、约1分钟、约30秒或者约10秒，以及/或者其他合适的间隔，具体取决于，例如，网络204的类型以及/或者连接到系统监视器202的风机100的数量。
除运行数据外，异常警报也可生成，并从一个或多个风机100传输到系统监视器202。通常，当风机100的参数超出预期范围，并且/或者违反最小/最大预期值时，生成异常警报。异常警报可存储在数据库304中，并且可包括，但不限于，扭矩偏差、线路故障电压、故障电流、线缆故障频率、不对称发电机电流、机柜超温警告、电网电压降、反馈误差断路器，或者风机100运行中的其他异常。存储在数据库304中的运行数据和/或异常警报可用各种合适的方式，例如通过网络204、另一网络以及/或者计算机可读介质等传输到数据分析仪206。
在运行期间，处理装置302根据存储在数据库304中的多个风机的运行数据，来确定风机100的部件的参数廓线。参数廓线界定在部件发生故障之前，与部件关联的一个或多个参数事件。因此，处理装置302使用与风机部件的参数有关的运行数据，例如，但不限于，与部件关联的温度、与部件关联的电压和/或电流等，来辨别在风机100的部件发生历史故障之前的参数事件，从而预测风机100的部件故障。
在一些实施例中，当处理装置302确定参数廓线时，处理装置302选择与风机100的特定故障关联的部件。具体而言，若干风机故障可通过对部件、故障和/或参数进行“鱼骨”分析，而降级为离散部件故障，例如电子部件故障。在一个实例中，控制器112内出现故障的整流电路可使风机100出现故障(即，关闭和/或发电量减少等)。在另一个实例中，控制器112内破裂的电容器可使风机100出现故障。通常，在实际故障出现之前，出现故障的部件会提供故障指示。具体而言，在风机100的一个或多个部件出现故障之前，风机100的运行数据可能偏离预期值或范围。在一些实施例中，本专利申请文件中所述系统选择与偏差关联的部件，来确定参数廓线。
在示例性实施例中，选择部件可能根据特定部件的故障率进行选择。例如，如果绝缘栅双极型晶体管(IGBT)故障占风机故障的4％，并且相对于其他已知故障而言4％较高，那么处理装置302以及/或者数据分析仪206的操作员320可将IGBT选为关键部件。而且，与风机100有关的运行数据和/或领域知识可辨别与IGBT关联的运行数据的相关部分，例如运行电压、开关类型、电流和/或开关速度等。应显而易见，风机100的一个或多个其他部件可包括可用于确定参数廓线的不同关键参数。
处理装置302和/或操作员320已选择部件和运行数据之后，处理装置302即分析运行数据，来辨别参数廓线。具体而言，例如，处理装置302可使用各种统计工具来辨别参数廓线。在一个实例中，运行数据包括风机100的实际扭矩，以及风机100的预期扭矩。处理装置302可计算在一段时间内实际扭矩和预期扭矩之间关系的z-分数。图4图示了风机100在正常运行状态下的z-分数402的图表400。图4进一步图示了故障期间风机100的z-分数404。如图所示，z-分数402偏离约1.51，表示实际扭矩和设定值扭矩之间的最小差异。相反，z-分数404定义高达约18.57的正在增大的偏差，表示恰好在点406处，风机100出现故障之前，实际扭矩和预期扭矩之间的偏差。应显而易见，可使用各种不同的统计工具来将各种运行数据类型与预期值/范围和/或其他运行数据进行比较。所选择的参数类型可进行迭代，以提高参数廓线的准确度和效率。例如，处理装置302可将实际扭矩与风速之比、功率输出与风速之比、不同相电流、内部温度与周围温度之比、相电压或者适合预测部件故障的参数的其他组合进行比较。
在各种实施例中，领域知识可用于帮助辨别参数廓线。具体而言，领域知识可用于提供用于分析运行数据的预期值和/或设定值。领域知识可包括，但不限于，风机100的理论运行的专业知识、三相发电、风机对特定环境条件的反应等。在上述实例中，领域知识可用于确定在合适条件下用于风机100的预期扭矩，从而准确测量在这些条件下风机100的实际扭矩。
可相对于设定值分析运行数据，以确定参数廓线。在示例性实施例中，处理装置302可相对于设定值分析运行数据，以检测部件和/或风机100是否偏离设定值。具体而言，如果在风机100出现故障之前，运行数据超过/未达到设定值，那么超过/未达到设定值可被确定为参数廓线的至少一部分。在此实例中，参数廓线的参数事件可包括超过/未达到设定值。
应了解，可执行各种不同操作，以确定包括至少一个参数事件的参数廓线。在若干实施例中，处理装置302将运行数据的一部分与运行数据的另一部分进行比较，以确定参数廓线。具体而言，例如，处理装置302可根据对扭矩与风速之比、功率与风速之比、相电流差异、冷却液温度与周围温度之比、相电压变化等的比较和/或分析来确定参数廓线。
此外，在示例性实施例中，可根据风机100的状态来分析运行数据。具体而言，运行数据可包括表示风机100的状态的标号，例如未运行模式、启动模式、发电模式、关闭模式等。可根据风机100的特定状态，来以不同方式分析运行数据。在一个实例中，启动模式中的扭矩偏差可忽略，而发电模式中的扭矩偏差可通过分析，以确定参数廓线。因此，在各种实施例中，处理装置302可根据风机100的风机状态，来执行本专利申请文件中所述的一个或多个过程。具体而言，在另一个实例中，处理装置302可确定先前的风机状态以及/或者现在的风机状态，以相对于与风机100关联的风速来分析由风机100输出的功率。
此外，处理装置302可验证与多个风机关联的参数廓线历史数据，例如，用于确定参数廓线的运行数据。如果未达到所需准确度，则处理装置302可删除参数廓线。例如，如果参数廓线预测非故障风机中出现故障的比率为约15％，则参数廓线可被删除。或者，在确定故障概率时，处理装置302可根据参数廓线的准确度来衡量所述参数廓线。对参数廓线的验证可用于防止误报。当修理风机100可能很麻烦时，对风机100的不必要的修理不需要使用现有修理和/或维护资源。
在示例性实施例中，处理装置302根据多个风机100生成的异常警报，来确定风机100的部件的异常廓线。异常廓线界定在部件出现故障之前，与部件关联的至少一个异常。
在各种实施例中，处理装置302通过以下方法来确定异常廓线：过滤来自风机100的异常警报，以辨别与风机100的部件关联的异常。在示例性实施例中，处理装置302和/或操作员320使用领域知识将一个或多个异常警报与风机100的部件关联。领域知识可包括有关部件(例如，电力变换器、整流电路、开关装置等)的运行信息、维护记录、异常报告等。异常警报可在多个部件内进行关联，并且用于确定风机100的每个部件的异常廓线。
或者或此外，处理装置302可使过滤异常(filter anomaly)相互关联，来确定异常廓线。具体而言，装置302可使用例如关联规则挖掘，以根据异常警报来确定异常廓线。应了解，各种分析工具可用于根据可用异常警报来确定异常廓线，其中所述可用异常警报被确定与风机100的特定部件关联。
具体而言，在一个实例中，两个风机100生成异常警报。第一风机100发射以下异常：第1天重启延迟，第14天重启延迟，第14天出现发电机侧CCU集体故障，并且第15天出现扭矩偏差，之后第17天出现风机故障。第二风机100发射以下异常：第1天关闭，第23天出现发电机侧CCU集体故障，第23天出现扭矩偏差，并且第23天出现线路CCU故障电流，之后第29天出现风机故障。因为两个故障风机中的每个风机在故障之前发出了共同异常警报，所以处理装置302可确定包括两个异常的异常廓线。具体而言，在此实例中，异常廓线可包括扭矩偏差和发电机侧CCU集体故障。在另一个实例中，异常警报可持续一个时段。具体而言，线路故障频率警报可持续两天，即使风机重启也无法解决。在此实例中，处理装置302可确定包括持续性线路故障频率警报的异常廓线。应了解，在其他实施例中，异常廓线中所包括的异常的数量和/或类型可有所不同。
在示例性实施例中，处理装置302可进一步对比异常警报来验证异常廓线，从而确定验证分数。验证分数可表示异常廓线的准确度，即误报的数量。如果验证分数超过预定值，则可删除异常廓线。或者，验证分数可由处理装置302用于在确定故障概率时根据异常廓线的准确度来衡量所述异常廓线。
当处理装置302已确定参数廓线和异常廓线时，处理装置302经配置以根据参数廓线和异常廓线来确定风机100的部件的故障概率。故障概率可包括故障的可能性，以及/或者预期故障时间。通过这种方式，当参数事件和/或异常发生时，针对风机100的部件提供故障概率，以便风机100的操作员可针对风机100的故障进行预先计划，从而最少化并且/或者消除因与部件关联的故障而使风机100产生的停机时间。
故障的一个或多个概率可并入系统监视器202中。具体而言，例如，故障概率可被编码和/或转换到一个或多个SQL查询中。SQL查询可由SCADA部件调用，或者可并入系统监视器202的SCADA部件中。SQL查询可连续地、周期性地，并且/或者根据操作员请求运行，以确定是否发生了故障概率所基于的多个参数事件和/或异常中的一者。
具体而言，当系统监视器202确定表示参数廓线和异常廓线的一个或多个参数事件和异常发生时，系统监视器202可为风机100指定故障概率。根据故障概率的严重性，系统监视器202处的操作员可启动一个程序，以实现对风机100的维护。如上所示，操作员能够最少化并且/或者消除因与部件关联的故障而使风机100产生的停机时间。通过这种方式，数据分析仪206提高了风机100的可靠性、可用性和可维护性，因此，提高了风机场系统200的可靠性、可用性和可维护性。具体而言，本专利申请文件中所述的系统和方法可允许风机场系统200的操作员在风机故障发生之前，计划断电、维护活动、备件盘存和人员，同时减少与故障风机关联的停机时间。
图5所示为用于为风机指定故障概率的示例性方法500。方法500可由任何合适的计算装置执行，包括，例如，图2所示的数据分析仪206。此外，应了解，本专利申请文件中所揭示的计算装置300不限于方法500，但可用于执行符合本发明的其他方法。
方法500包括，根据多个风机的运行数据来确定502风机部件的参数廓线，根据来自多个风机的异常警报来确定504风机部件的异常廓线，以及根据参数廓线和异常廓线来确定506风机部件的故障概率。参数廓线界定在部件出现故障之前，与部件关联的至少一个参数事件，并且异常廓线界定在部件出现故障之前，与部件关联的至少一个异常。
在示例性实施例中，确定502参数廓线包括，相对于预期值和设定值中的一项来分析部件的至少一个参数。在一个实例中，分析至少一个参数可包括，根据风机状态来分析至少一个参数。此外，在一些实施例中，确定502参数廓线可包括，相对于与风机关联的第二参数，来分析部件的至少一个参数。
在各种实施例中，确定506故障概率包括，根据领域知识来确定故障分数。具体而言，领域知识可用于确定参数廓线，确定异常廓线，并且/或者结合参数廓线和异常廓线来确定故障概率。领域知识可包括，但不限于，维护记录、风机100的理论运行等。
此外，方法500可包括，根据至少一个参数事件和至少一个异常的发生，来为风机指定故障概率。
在若干实施例中，确定504异常廓线包括，辨别与部件关联的异常警报。而且，确定504异常廓线可包括，对比异常警报来验证异常廓线，从而确定验证分数。此外，确定506故障概率可包括，至少根据验证分数来衡量异常廓线。
上述实施例中的一项或多项实施例可根据来自多个风机的历史运行数据和异常警报，为风机故障提供准确预测。具体而言，本专利申请文件中所述的系统和方法可允许风机场系统的操作员在风机故障发生之前，计划断电、维护活动、备件盘存和人员，同时减少与故障风机关联的停机时间。而且，本专利申请文件中所述的系统和方法可加强对服务供应的管理，以及合同管理。
本专利申请文件中提供的实施例有助于生成可用于在出现故障之前预测风机故障的一个或多个故障概率。上文详细描述了计算装置和风机系统的示例性实施例。所述系统和方法并不限于本专利申请文件中所述的具体实施例，而是每个部件可独立于本专利申请文件中所述的其他部件单独使用。
本专利申请文件中所述的方法和系统可使用包括计算机软件、固件、硬件或其任何组合或子集的计算机编程或工程技术来实施，其中示例性技术效应可包括以下项中的至少一项：(a)根据多个风机的运行数据来确定风机部件的参数廓线，(b)根据由多个风机生成的异常警报来确定风机部件的异常廓线，以及(c)包括，根据参数廓线和异常廓线来确定风机部件的故障概率。
本说明书使用了各种实例来揭示本发明，包括最佳模式，同时也让所属领域的任何技术人员能够实践本发明，包括制造并使用任何装置或系统，以及实施所涵盖的任何方法。本发明的保护范围由权利要求书界定，并可包括所属领域的技术人员想出的其他实例。如果其他此类实例的结构要素与权利要求书的字面意义相同，或如果此类实例包括的等效结构要素与权利要求书的字面意义无实质差别，则此类实例也应属于权利要求书的范围内。
Claims (9)
1.一种用于预测风机部件故障的数据分析仪(206)，所述数据分析仪包括：
数据库(304)，其包括多个风机(100)的运行数据，以及多个风机的异常警报；以及
处理装置(302)，其连接到所述数据库；所述处理装置经配置以：
根据所述运行数据来确定风机的部件的参数廓线，所述参数廓线界定在所述部件出现故障之前与所述部件关联的至少一个参数事件；
根据所述异常警报来确定所述风机的所述部件的异常廓线，所述异常廓线界定在所述部件出现故障之前与所述部件关联的至少一个异常；并且
根据所述参数廓线和所述异常廓线来确定所述风机的所述部件的故障概率，
当所述部件的参数超出预期范围时生成所述异常警报。
2.根据权利要求1所述的数据分析仪，其中所述处理装置(302)经配置以辨别与所述部件关联的异常警报，根据所述异常警报验证所述异常廓线的准确度，并且选择超过阈值准确度的所述异常廓线以确定所述异常廓线。
3.根据权利要求1所述的数据分析仪，其进一步包括通信接口(310)，所述通信接口用于连接到网络(204)和系统监视器(202)中的至少一者，以接收所述运行数据和所述异常警报。
4.根据权利要求3所述的数据分析仪，其中所述处理装置(302)经配置以根据所述至少一个参数事件和所述至少一个异常的发生，来指定风机(100)的所述故障概率。
5.根据权利要求3所述的数据分析仪，其中所述至少一个参数事件包括风速与风机(100)的扭矩输出之间的相互关联性。
6.根据权利要求1所述的数据分析仪，其中所述处理装置(302)经配置以相对于预期值和设定值中的一者来分析所述部件的至少一个参数，从而确定所述参数廓线。
7.根据权利要求6所述的数据分析仪，其中所述处理装置(302)经配置以根据风机状态来分析所述至少一个参数。
8.根据权利要求6所述的数据分析仪，其中所述至少一个参数包括与所述风机关联的电压、电流、功率、风速、扭矩和温度中的至少一者。
9.根据权利要求1所述的数据分析仪，其中所述处理装置(302)经配置以根据领域知识来确定所述故障概率。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US13/237,073 US8326577B2 (en) | 2011-09-20 | 2011-09-20 | System and method for predicting wind turbine component failures |
| US13/237073 | 2011-09-20 | ||
| US13/237,073 | 2011-09-20 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103016264A CN103016264A (zh) | 2013-04-03 |
| CN103016264B true CN103016264B (zh) | 2017-05-17 |
Family
ID=46163049
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201210352566.1A Active CN103016264B (zh) | 2011-09-20 | 2012-09-20 | 预测风机部件故障的数据分析仪 |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US8326577B2 (zh) |
| EP (1) | EP2573390B1 (zh) |
| CN (1) | CN103016264B (zh) |
| DK (1) | DK2573390T3 (zh) |
| ES (1) | ES2881184T3 (zh) |
Families Citing this family (46)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10254270B2 (en) | 2006-11-16 | 2019-04-09 | General Electric Company | Sensing system and method |
| DE102007060958A1 (de) * | 2007-12-14 | 2009-06-25 | Repower Systems Ag | Steuereinrichtung für Windenergieanlagen mit Netzausfallerkennung |
| US8334610B2 (en) * | 2009-02-13 | 2012-12-18 | Robert Migliori | Gearless pitch control mechanism for starting, stopping and regulating the power output of wind turbines without the use of a brake |
| US8988236B2 (en) | 2010-05-27 | 2015-03-24 | University Of Southern California | System and method for failure prediction for rod pump artificial lift systems |
| US8988237B2 (en) | 2010-05-27 | 2015-03-24 | University Of Southern California | System and method for failure prediction for artificial lift systems |
| GB201110003D0 (en) * | 2011-06-14 | 2011-07-27 | Romax Technology Ltd | Identifying wind turbines for maintenance |
| US9280517B2 (en) * | 2011-06-23 | 2016-03-08 | University Of Southern California | System and method for failure detection for artificial lift systems |
| US9157308B2 (en) * | 2011-12-29 | 2015-10-13 | Chevron U.S.A. Inc. | System and method for prioritizing artificial lift system failure alerts |
| JP2013170566A (ja) * | 2012-02-23 | 2013-09-02 | Mitsubishi Heavy Ind Ltd | 風力発電装置の監視方法及びシステム |
| US8872363B2 (en) * | 2012-05-11 | 2014-10-28 | Bader Abdullah ALMALKI | Vehicle movement activated electrical power generator, and method for providing electrical power for roadside applications |
| US9239894B2 (en) * | 2012-07-23 | 2016-01-19 | General Electric Company | Systems and methods for predicting failures in power systems equipment |
| EP2948679B1 (en) * | 2013-01-25 | 2016-12-07 | Vestas Wind Systems A/S | Control of wind turbines |
| EP2804064B1 (en) * | 2013-05-17 | 2020-07-01 | ABB S.p.A. | A computerised system and method for generating a life expectancy analysis report related to a low or medium voltage switching device |
| US11055450B2 (en) * | 2013-06-10 | 2021-07-06 | Abb Power Grids Switzerland Ag | Industrial asset health model update |
| US10534361B2 (en) * | 2013-06-10 | 2020-01-14 | Abb Schweiz Ag | Industrial asset health model update |
| CN103324854A (zh) * | 2013-06-26 | 2013-09-25 | 广东电网公司电力科学研究院 | 海上风电场集电系统可靠性评估方法与系统 |
| EP2881821A1 (en) * | 2013-12-05 | 2015-06-10 | Blue Yonder GmbH | Processor core array for characterizing behavior properties of equipment, and method |
| US10169051B2 (en) | 2013-12-05 | 2019-01-01 | Blue Yonder GmbH | Data processing device, processor core array and method for characterizing behavior of equipment under observation |
| EP2881820A1 (en) * | 2013-12-05 | 2015-06-10 | Blue Yonder GmbH | Data processing device and method for characterizing behavior of equipment under observation |
| KR20160017681A (ko) * | 2014-07-31 | 2016-02-17 | 두산중공업 주식회사 | 풍력플랜트 관리 시스템 및 그 방법 |
| US9823311B2 (en) * | 2014-07-31 | 2017-11-21 | Schneider Electric USA, Inc. | System to identify potential electrical network faults combining vibration and power quality analysis |
| US10584681B2 (en) | 2014-12-19 | 2020-03-10 | Micro Focus Llc | Automative system management |
| US11107169B2 (en) * | 2015-11-18 | 2021-08-31 | General Electric Company | Systems and methods for controlling and monitoring power assets |
| JP2019113883A (ja) * | 2016-03-25 | 2019-07-11 | 株式会社日立製作所 | 稼働補助装置及び風力発電システム |
| KR101768810B1 (ko) * | 2016-06-02 | 2017-08-30 | 두산중공업 주식회사 | 풍력단지 통합 제어 모니터링 시스템 |
| JP6736987B2 (ja) * | 2016-06-03 | 2020-08-05 | 日本精工株式会社 | 風力発電装置の回転部品の状態監視装置 |
| CN108226775B (zh) * | 2016-12-13 | 2020-06-30 | 北京金风科创风电设备有限公司 | 风力发电机的故障自检测方法及装置 |
| US10969933B1 (en) * | 2017-02-07 | 2021-04-06 | The Mathworks, Inc. | Graphical representation of ordered model items based on solver information |
| CN106951997B (zh) * | 2017-03-24 | 2020-11-10 | 新疆金风科技股份有限公司 | 预测风机的故障的方法和设备 |
| US20200118012A1 (en) * | 2017-04-18 | 2020-04-16 | Hewlett-Packard Development Company, L.P. | Monitoring the Thermal Health of an Electronic Device |
| WO2018228648A1 (en) | 2017-06-14 | 2018-12-20 | Kk Wind Solutions A/S | Independent monitoring system for a wind turbine |
| CN109139388B (zh) * | 2017-06-15 | 2020-11-10 | 北京国电思达科技有限公司 | 一种风力发电机智能辅助监控系统 |
| CN109386435B (zh) * | 2017-08-04 | 2021-01-01 | 阿里巴巴集团控股有限公司 | 风电机故障监控方法、装置和系统 |
| US11663496B2 (en) * | 2018-01-30 | 2023-05-30 | Utopus Insights, Inc. | System and method for predicting failure of components using temporal scoping of sensor data |
| US11493913B2 (en) * | 2018-03-28 | 2022-11-08 | L&T Technology Services Limited | System and method for monitoring health and predicting failure of an electro-mechanical machine |
| US11080438B2 (en) * | 2018-05-30 | 2021-08-03 | International Business Machines Corporation | Building-information management system with directional wind propagation and diffusion |
| ES2920139T3 (es) | 2018-08-20 | 2022-08-01 | Vestas Wind Sys As | Control de un aerogenerador |
| CN109358286A (zh) * | 2018-11-05 | 2019-02-19 | 长沙源婕科技有限公司 | 一种发电机风机故障自动检测方法 |
| EP3660482A1 (en) * | 2018-11-30 | 2020-06-03 | Siemens Aktiengesellschaft | System, apparatus and method of determining remaining life of a bearing |
| US10867250B2 (en) | 2018-12-27 | 2020-12-15 | Utopus Insights, Inc. | System and method for fault detection of components using information fusion technique |
| US10984154B2 (en) * | 2018-12-27 | 2021-04-20 | Utopus Insights, Inc. | System and method for evaluating models for predictive failure of renewable energy assets |
| US11261846B2 (en) * | 2019-11-01 | 2022-03-01 | General Electric Company | System and method for designing and operating a wind turbine power system based on statistical analysis of operational and/or grid data thereof |
| CN110991666B (zh) * | 2019-11-25 | 2023-09-15 | 远景智能国际私人投资有限公司 | 故障检测方法、模型的训练方法、装置、设备及存储介质 |
| DE102020111142A1 (de) * | 2020-04-23 | 2021-10-28 | fos4X GmbH | Verfahren zum Überwachen einer Windenergieanlage, System zum Überwachen einer Windenergieanlage, Windenergieanlagen und Computerprogrammprodukt |
| US11761427B2 (en) * | 2021-06-29 | 2023-09-19 | Aspentech Corporation | Method and system for building prescriptive analytics to prevent wind turbine failures |
| CN116307259B (zh) * | 2023-05-10 | 2023-10-31 | 天宇正清科技有限公司 | 一种矿山设备的维修性预测方法、装置、设备和介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1606658A (zh) * | 2001-07-31 | 2005-04-13 | 艾劳埃斯·乌本 | 风力发电设备的预警系统 |
| CN1882892A (zh) * | 2003-11-14 | 2006-12-20 | 歌美飒风有限公司 | 用于风力涡轮机的监测和处理设备与用于风力发电厂的预测性维护系统 |
| CN101294544A (zh) * | 2007-04-27 | 2008-10-29 | 道布纳&施托梅尔机械设计规划合伙公司 | 风能装置的操作方法和风能装置 |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101341333B (zh) | 2005-12-23 | 2011-05-18 | 维斯塔斯风力系统有限公司 | 风轮机部件系统中液位的监测 |
| US8103463B2 (en) | 2006-09-21 | 2012-01-24 | Impact Technologies, Llc | Systems and methods for predicting failure of electronic systems and assessing level of degradation and remaining useful life |
| US8136124B2 (en) * | 2007-01-18 | 2012-03-13 | Oracle America, Inc. | Method and apparatus for synthesizing hardware counters from performance sampling |
| US7977821B2 (en) | 2007-05-10 | 2011-07-12 | Honeywell International Inc. | High power density switch module with improved thermal management and packaging |
| US7895018B2 (en) * | 2007-08-10 | 2011-02-22 | General Electric Company | Event monitoring via combination of signals |
| US7627454B2 (en) * | 2007-10-16 | 2009-12-01 | General Electric Company | Method and system for predicting turbomachinery failure events employing genetic algorithm |
| US8090972B2 (en) * | 2007-11-26 | 2012-01-03 | Vestas Wind Systems A/S | Method and system for registering events in wind turbines of a wind power system |
| US7895016B2 (en) * | 2009-08-31 | 2011-02-22 | General Electric Company | System and method for wind turbine health management |
| EP2502174B1 (en) * | 2009-11-16 | 2018-06-13 | Simmonds Precision Products, Inc. | Data acquisition system for condition-based maintenance |
-
2011
- 2011-09-20 US US13/237,073 patent/US8326577B2/en active Active
-
2012
- 2012-09-13 ES ES12184170T patent/ES2881184T3/es active Active
- 2012-09-13 EP EP12184170.4A patent/EP2573390B1/en active Active
- 2012-09-13 DK DK12184170.4T patent/DK2573390T3/da active
- 2012-09-20 CN CN201210352566.1A patent/CN103016264B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1606658A (zh) * | 2001-07-31 | 2005-04-13 | 艾劳埃斯·乌本 | 风力发电设备的预警系统 |
| CN1882892A (zh) * | 2003-11-14 | 2006-12-20 | 歌美飒风有限公司 | 用于风力涡轮机的监测和处理设备与用于风力发电厂的预测性维护系统 |
| CN101294544A (zh) * | 2007-04-27 | 2008-10-29 | 道布纳&施托梅尔机械设计规划合伙公司 | 风能装置的操作方法和风能装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| EP2573390B1 (en) | 2021-04-21 |
| DK2573390T3 (da) | 2021-07-12 |
| US8326577B2 (en) | 2012-12-04 |
| ES2881184T3 (es) | 2021-11-29 |
| US20120143565A1 (en) | 2012-06-07 |
| EP2573390A2 (en) | 2013-03-27 |
| CN103016264A (zh) | 2013-04-03 |
| EP2573390A3 (en) | 2013-09-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103016264B (zh) | 预测风机部件故障的数据分析仪 | |
| Qiu et al. | Wind turbine SCADA alarm analysis for improving reliability | |
| US10762476B2 (en) | Wind farm supervision monitoring system | |
| CN104254810A (zh) | 用于一组工厂的条件监视的方法和系统 | |
| US8898525B2 (en) | Method and system for use in condition monitoring | |
| CN101413991A (zh) | 用于远程预测交流电机系统剩余寿命的方法和系统 | |
| US9898917B2 (en) | Method and apparatus for providing environmental management using smart alarms | |
| WO2014091952A1 (ja) | センサ監視装置、センサ監視方法、及びセンサ監視プログラム | |
| KR101214765B1 (ko) | 전력설비 모니터링 시스템 및 방법 | |
| EP2980594B1 (en) | System to identify potential electrical network faults combining vibration and power quality analysis | |
| EP3553044A1 (en) | System and method of remote object monitoring | |
| US9188021B2 (en) | Steam turbine blade vibration monitor backpressure limiting system and method | |
| CN114551271A (zh) | 监测机台运行状况的方法及装置、存储介质及电子设备 | |
| JP6482743B1 (ja) | リスク評価装置、リスク評価システム、リスク評価方法、及び、リスク評価プログラム | |
| CN115794588A (zh) | 内存故障预测方法、装置、系统及监测服务器 | |
| EP3187950B1 (en) | A method for managing alarms in a control system | |
| CN117391675B (zh) | 一种数据中心基础设施运维管理方法 | |
| JP2021521548A (ja) | 電気機械的マシンの調子を監視して故障を予測するシステム及び方法 | |
| KR101896442B1 (ko) | Ict 융합형 풍력 발전 단지 모니터링 시스템, 서버 및 방법 | |
| CN115450851A (zh) | 一种电厂用监测报警方法及系统 | |
| JP6482742B1 (ja) | リスク評価装置、リスク評価システム、リスク評価方法、及び、リスク評価プログラム | |
| Jesus et al. | Towards dependable measurements in coastal sensors networks | |
| Palayam et al. | Identification of Signature Oscillatory Modes in ERCOT by Mining of Synchrophasor Data | |
| CN117852866A (zh) | 一种电气隐患分析方法 | |
| WO2021180528A1 (en) | A method for computer-implemented identifying an unauthorized access to a wind farm |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240110 Address after: Barcelona, Spain Patentee after: Ge renewable energy Spain Ltd. Address before: New York, United States Patentee before: General Electric Co. |
|
| TR01 | Transfer of patent right |