CN107327367B - 风力发电机组变桨异常的识别方法及装置 - Google Patents
风力发电机组变桨异常的识别方法及装置 Download PDFInfo
- Publication number
- CN107327367B CN107327367B CN201710523813.2A CN201710523813A CN107327367B CN 107327367 B CN107327367 B CN 107327367B CN 201710523813 A CN201710523813 A CN 201710523813A CN 107327367 B CN107327367 B CN 107327367B
- Authority
- CN
- China
- Prior art keywords
- variable pitch
- pitch speed
- speed signal
- small tooth
- value
- 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
- 238000000034 method Methods 0.000 title claims abstract description 61
- 230000002159 abnormal effect Effects 0.000 claims abstract description 45
- 230000000737 periodic effect Effects 0.000 claims description 25
- 230000002547 anomalous effect Effects 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000004458 analytical method Methods 0.000 claims description 12
- 238000005070 sampling Methods 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 9
- 238000010183 spectrum analysis Methods 0.000 claims description 8
- 238000013459 approach Methods 0.000 claims description 4
- 238000005311 autocorrelation function Methods 0.000 claims description 4
- 230000004888 barrier function Effects 0.000 claims 1
- 230000005856 abnormality Effects 0.000 abstract description 15
- 238000001514 detection method Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 12
- 238000012421 spiking Methods 0.000 description 6
- 230000004044 response Effects 0.000 description 4
- 238000001228 spectrum Methods 0.000 description 4
- 230000003595 spectral effect Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
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
- F03D7/00—Controlling wind motors
- F03D7/02—Controlling wind motors the wind motors having rotation axis substantially parallel to the air flow entering the rotor
- F03D7/022—Adjusting aerodynamic properties of the blades
- F03D7/0224—Adjusting blade pitch
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/72—Wind turbines with rotation axis in wind direction
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)
- Physics & Mathematics (AREA)
- Fluid Mechanics (AREA)
- Wind Motors (AREA)
Abstract
本发明实施例提供一种风力发电机组变桨异常的识别方法及装置,该方法包括:获取风力发电机组的变桨速度信号;根据变桨速度信号确定是否发生变桨异常,变桨异常包括变桨速度小齿异常或变桨速度尖峰异常,能够在风力发电机组发生变桨故障前处于变桨异常状态时,快速识别出该变桨异常状态,特别是识别出变桨速度小齿异常或变桨速度尖峰异常,进而能够及时对变桨异常状态进行处理,有效防止变桨电机等关键部件的损坏,并有效提高风力发电机组输出的有功功率。
Description
技术领域
本发明实施例涉及风力发电技术领域,尤其涉及一种风力发电机组变桨异常的识别方法及装置。
背景技术
风力发电机组的变桨控制是根据风速来确定变桨速度,进而对桨叶的桨距角进行调整的过程。变桨控制的原理为:机舱上面的风速仪测量风速,把风速信息传送到塔底柜,塔底柜中的控制器对风速信息进行分析并计算出变桨速度需求值,并把变桨速度需求值传送到轮毂变桨系统的中心箱,中心箱将变桨速度需求值转送给3个轴箱,轴箱根据变桨速度需求值通过变桨驱动来调节桨叶的桨距角。
通过变桨控制,一方面可以改变风力发电机组的转速和功率输出,另一方面还可以改变风力发电机组的受力。调整后的桨叶的桨距角在0度到90度之间。在桨叶位于做功位置时桨叶最大的面积几乎是朝着风向的,着风面积最大。当利用桨叶刹车时,桨叶的前端是朝着风向的,着风面积最小。
目前风力发电机组的变桨控制中对变桨异常的判断是故障级别的,即当变桨出现明确的故障特征时执行故障停机,这种对变桨的处理方法无法从早期识别出异常状态,若风力发电机组长期运行在该状态下,会导致风力发电机组的输出的有功功率下降,并导致变桨电机等关键部件的损坏。
发明内容
本发明实施例提供一种风力发电机组变桨异常的识别方法及装置,解决了现有技术中的变桨处理方法无法从早期识别出异常状态,使风力发电机组长期运行在异常状态下导致风力发电机组输出的有功功率下降,变桨电机等关键部件的损坏的技术问题。
第一方面,本发明实施例提供一种风力发电机组变桨异常的识别方法,包括:
获取风力发电机组的变桨速度信号;
根据所述变桨速度信号确定是否发生变桨异常,所述变桨异常包括变桨速度小齿异常或变桨速度尖峰异常。
其中,变桨速度小齿异常为在所述变桨速度信号中存在连续的低幅值波动信号;变桨速度尖峰异常为在所述变桨速度信号中存在突发的高幅值信号。
第二方面,本发明实施例提供一种风力发电机组变桨异常的识别装置,包括:
变桨速度信号获取程序模块,用于获取风力发电机组的变桨速度信号;
变桨异常识别程序模块,用于根据所述变桨速度信号确定是否发生变桨异常,所述变桨异常包括变桨速度小齿异常或变桨速度尖峰异常。
第三方面,本发明实施例提供了一种计算机设备,包括处理器和存储计算机指令的存储器,所述计算机指令被处理器运行时,处理器执行如上所述方法。
第四方面,本发明实施例提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行如上所述的方法。
本发明实施例提供一种风力发电机组变桨异常的识别方法及装置,通过获取风力发电机组的变桨速度信号;根据变桨速度信号确定是否发生变桨异常,变桨异常包括变桨速度小齿异常或变桨速度尖峰异常,能够在风力发电机组发生变桨故障前处于变桨异常状态时,快速识别出该变桨异常状态,特别是识别出变桨速度小齿异常或变桨速度尖峰异常,进而能够及时对变桨异常状态进行处理,有效防止变桨电机等关键部件的损坏,并有效提高风力发电机组输出的有功功率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明风力发电机组变桨异常的识别方法实施例一的流程图;
图2为本发明实施例一中变桨正常状态下的变桨速度信号的示意图;
图3为本发明实施例一中变桨异常状态下的变桨速度小齿信号的示意图;
图4为本发明实施例一中变桨异常状态下的变桨速度尖峰信号的示意图;
图5为本发明风力发电机组变桨异常的识别方法实施例二的流程图;
图6为本发明风力发电机组变桨异常的识别装置实施例一的结构示意图;
图7为本发明风力发电机组变桨异常的识别装置实施例二的结构示意图;
图8为本发明计算机设备实施例一的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应当理解,本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地,取决于语境,短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。
为了清楚起见,首先说明本发明使用的特定词或短语的定义。
变桨速度小齿异常:在变桨速度小齿异常为在所述变桨速度信号中存在连续的低幅值波动信号,该波形表现为锯齿状。
变桨速度尖峰异常:在变桨速度信号中存在突发的高幅值信号,该波形表现为尖峰状。
本领域技术人员可以理解的是,这里的低幅值波动信号与高幅值信号均是相对于正常的变桨速度信号的幅值来说,其并不存在绝对的界限,本发明实施例中对此不作任何限定。
图1为本发明风力发电机组变桨异常的识别方法实施例一的流程图,如图1所示,本实施例提供的风力发电机组变桨异常的识别方法的执行主体为风力发电机组变桨异常的识别装置,该风力发电机组变桨异常的识别装置可集成在风力发电机组的主控系统中,或者集成在与风力发电机组相连的外部平台上,则本实施例提供的风力发电机组变桨异常的识别方法包括以下几个步骤。
步骤101,获取风力发电机组的变桨速度信号。
其中,变桨速度信号为由塔底柜中的控制器对风速信息进行分析并计算出的变桨速度需求值信号。
本实施例中,风力发电机组的变桨速度信号的获取方式可以为周期性采集的方法或者为从主控存储器中读取风力发电机组故障文件,从风力发电机组的故障文件中的故障记录参数中获取的方法,本实施例中对此不做限定。
若风力发电机组的变桨速度信号的获取方式为通过周期性采集的方式获取的,则塔底柜中的控制器根据风速信息实时计算出变桨速度需求值,通过与塔底柜中的控制器进行通信,周期性地采集变桨速度信号。
若变桨速度信号的获取方式为从风力发电机组的故障文件的故障记录参数中获取的,则该风力发电机组的故障文件为在风力发电机组发生故障时自动生成的,并存储于机组的主控存储器中。风力发电机组的故障每触发一次,就会有一个故障文件生成,该故障文件记录了风力发电机组每次故障前90s至故障后30s的主要运行参数,这些参数为风力发电机组的故障记录参数,其中包含变桨速度信号,获取最近一次发生故障之前的预设时间段内的变桨速度信号。发生故障之前的预设时间段可以为发生故障前的90s,采样周期可以与控制周期相同,为20ms,则获取的变桨速度信号为离散型信号,并且有4500个数据。
图2为本发明实施例一中变桨正常状态下的变桨速度信号的示意图,图3为本发明实施例一中变桨异常状态下的变桨速度小齿信号的示意图,图4为本发明实施例一中变桨异常状态下的变桨速度尖峰信号的示意图。如图2所示,在变桨正常的情况下,变桨速度信号不含有锯齿状或尖峰状信号,如图3和图4所示,在变桨小齿异常的情况下,变桨速度信号中含有连续的低幅值波动信号。在变桨尖峰异常的情况下,变桨速度信号存在突发的高幅值信号。
步骤102,根据变桨速度信号确定是否发生变桨异常,变桨异常包括变桨速度小齿异常或变桨速度尖峰异常。
其中,变桨速度小齿异常为在所述变桨速度信号中存在连续的低幅值波动信号;变桨速度尖峰异常为在所述变桨速度信号中存在突发的高幅信号。
具体地,本实施例中,根据获取到的变桨速度信号,对变桨速度信号按照预设策略进行处理,得到检测变桨速度信号是否发生变桨速度小齿异常或变桨速度尖峰异常的特征量,根据变桨速度小齿异常的特征量判断发生变桨速度小齿异常,并根据变桨速度尖峰异常的特征量判断是否发生变桨速度尖峰异常。
本实施例中,对检测变桨速度是否发生变桨速度小齿异常或变桨速度尖峰异常的特征量不做限定。如检测变桨速度信号是否发生变桨速度小齿异常的特征量为变桨速度信号的周期分量的差分及第一小齿异常阈值和第二小齿异常阈值,或其他特征量等,检测变桨速度信号是否发生变桨速度尖峰异常的特征量可以为桨速度信号的差分及尖峰异常阈值,或其他特征量等。
本实施例中,对检测变桨速度信号发生变桨速度小齿异常和检测变桨速度信号发生变桨速度尖峰异常的先后顺序不做限定。如可以对变桨速度信号是否发生变桨速度小齿异常和变桨速度尖峰异常进行同步检测。也可以先检测变桨速度信号是否发生变桨速度小齿异常后检测变桨速度信号是否发生变桨速度尖峰异常,或者先检测变桨速度信号是否发生变桨速度尖峰异常后检测变桨速度信号是否发生变桨速度小齿异常。
需要说明的是,在识别出发生变桨异常后,输出识别结果,并发出变桨异常的预警并推送相应的运维建议。
本实施例提供的风力发电机组变桨异常的识别方法,通过获取风力发电机组的变桨速度信号;根据变桨速度信号确定是否发生变桨异常,变桨异常包括变桨速度小齿异常或变桨速度尖峰异常,能够在风力发电机组发生变桨故障前处于变桨异常状态时,快速识别出该变桨异常状态,特别是识别出变桨速度小齿异常或变桨速度尖峰异常,进而能够及时对变桨异常状态进行处理,有效防止变桨电机等关键部件的损坏,并有效提高风力发电机组输出的有功功率。
图5为本发明风力发电机组变桨异常的识别方法实施例二的流程图,如图5所示,本实施例提供的风力发电机组变桨异常的识别方法,是在本发明风力发电机组变桨异常的识别方法实施例一的基础上,对步骤101-步骤102的进一步细化,则本实施例提供的风力发电机组变桨异常的识别方法包括以下步骤。
步骤501,获取风力发电机组的变桨速度信号。
进一步地,本实施例中,获取风力发电机组的变桨速度信号,具体包括:
首先,读取风力发电机组故障记录参数。
具体地,本实施例中,在主控存储器中存储了风力发电机组的故障文件该风力发电机组的故障文件是在风力发电机组发生故障时自动生成的。风力发电机组的故障每触发一次,就会有一个故障文件生成,该故障文件记录了风力发电机组的故障记录参数,其中包含有变桨速度信号。
然后,从故障记录参数中获取风力发电机组发生故障之前的预设时间段内的变桨速度信号。
具体地,本实施例中,由于每次发生故障时,故障文件均记录了风力发电机组每次故障前90s至故障后30s的主要运行参数,其中包括了变桨速度信号,所以获取发生故障之前的预设时间段内的变桨速度信号。本实施例中,该预设时间段为90s。
本实施例中,故障文件中记录的变桨速度信号为离散型信号,采样周期可以与控制周期相同,为20ms,所以获取的变桨速度信号有4500个数据。
步骤502,根据变桨速度信号确定是否发生变桨异常,变桨异常包括变桨速度小齿异常或变桨速度尖峰异常。
进一步地,本实施例中,变桨异常包括变桨速度小齿异常;根据变桨速度信号确定是否发生变桨异常,具体包括步骤502a1-步骤502a5。变桨异常包括变桨速度尖峰异常;根据变桨速度信号确定是否发生变桨异常具体包括步骤502b1-步骤502b5。
本实施例中,根据变桨速度信号确定是否发生变桨速度小齿异常或变桨速度尖峰异常进行同步检测。
进一步地,本实施例中变桨异常包括变桨速度小齿异常;根据变桨速度信号确定是否发生变桨异常,具体包括:
步骤502a1,计算变桨速度信号的周期分量。
进一步地,本实施例中,采用以下算法中的任意一种:功率谱分析法、自相关函数分析法、方差分析法,计算变桨速度信号的周期分量。
以功率谱分析法为例对计算变桨速度信号的周期分量进行说明。
本实施例中,功率谱分析法涉及到的学科有随机信号处理、概率统计、信号与系统等,在水文、气象、天文、通信、生物医药等众多领域都有着极广泛的应用,特别是利用功率谱分析有效提取信号中隐含的周期特征。最大熵谱估计法是功率谱分析法中的一种,通过最大熵谱估计法计算变桨速度信号的周期分量具体包括:
首先,计算变桨速度信号的概率密度的熵,表示为式(1)所示:
其中,p(x)为变桨速度信号的概率密度,
其次,计算变桨速度信号的最大熵谱密度。
具体地,本实施例中,最大熵谱估计的表达式为式(2)所示:
其中,m为自回归阶数,m为自回归系数。
根据自回归阶数和自回归系数计算变桨速度信号的最大熵谱密度。
最后,根据最大熵谱密度计算变桨速度信号的周期分量。
具体地,最大熵谱密度存在峰值点的地方对应的周期为变桨速度信号隐含的周期分量。
步骤502a2,计算周期分量的差分的绝对值,并确定绝对值中大于第一小齿异常阈值的差分值的个数。
具体地,本实施例中,经过对大量变桨速度信号的分析,发现变桨速度小齿信号的周期分量的差分中大部分差分值的绝对值大于T,与此相对,正常变桨速度信号的大部分差分值的绝对值小于T,因此选择将T作为第一小齿异常阈值。统计周期分量的差分的绝对值中大于第一小齿异常阈值的差分值的个数N1。
进一步地,本实施例中,第一小齿异常阈值可以为一个定值,也可为一个与所要分析的变桨速度信号相关的随动阈值,本实施例中对此不做限定。
优选地,本实施例中,第一小齿异常阈值为与所要分析的变桨速度信号相关的随动阈值,本实施例中,计算第一小齿异常阈值具体包括:
首先,计算周期分量的差分的标准差。
其次,计算标准差和第一预设数值的乘积。
最后,将乘积和第二预设数值的最大值确定为第一小齿异常阈值。
具体地,计算第一小齿异常阈值可表示为式(3)所示:
T=max(b,a*S1) (3)
其中,T为第一小齿异常阈值,a为第一预设数值,b为第二预设数值,S1为周期分量的差分D1的标准差。
本实施例中,第一预设数值和第二预设数值是通过对大量数据的分析,找到判断的边界条件进而确定的,也可以通过一些寻优算法确定第一预设数值和第二预设数值。
本实施例中,将第一小齿异常阈值选择为随动阈值,其与S1有关,随其变化而变化,这样可以保证第一小齿异常阈值对于变桨速度信号的自适应性,能够适用于不同的运行工况下的变桨速度信号,提高识别的准确性。
步骤502a3,判断绝对值中大于第一小齿异常阈值的差分值的个数是否大于第二小齿异常阈值,若是,则执行步骤502a4,否则执行步骤502a5。
本实施例中,在判断绝对值中大于第一小齿异常阈值的差分值的个数是否大于第二小齿异常阈值之前,计算第二小齿异常阈值。
进一步地,计算第二小齿异常阈值具体包括:
首先,计算变桨速度信号的采样时长。
然后,将采样时长和第三预设数值的乘积确定为第二小齿异常阈值。
具体地,计算第二小齿异常阈值可表示为式(4)所示:
N2=length(x)/50*c (4)
本实施例中,变桨速度信号的采样周期为20ms,所以length(x)/50表示变桨速度信号的采样时长。c表示第三预设数值。第三预设数值是通过对大量数据的分析,找到判断的边界条件进而确定的,也可以通过一些寻优算法确定。
步骤502a4,确定发生变桨速度小齿异常。
执行完步骤502a4后执行步骤503。
步骤502a5,确定未发生变桨速度小齿异常。
具体地,本实施例中,判断绝对值中大于第一小齿异常阈值的差分值的个数是否大于第二小齿异常阈值,若绝对值中大于第一小齿异常阈值的差分值的个数大于第二小齿异常阈值,即N1>N2,则确定变桨速度信号包含小齿信号,确定发生变桨速度小齿异常,若绝对值中大于第一小齿异常阈值的差分值的个数不大于第二小齿异常阈值,即N1≤N2,则确定变桨速度信号不包含小齿信号,未发生变桨速度小齿异常。
进一步地,本实施例中变桨异常包括变桨速度尖峰异常;根据变桨速度信号确定是否发生变桨异常,具体包括:
步骤502b1,排除存在识别干扰的非尖峰异常变桨速度信号。
进一步地,排除存在识别干扰的非尖峰异常变桨速度信号,具体包括:
若变桨速度信号的所有幅值均小于第一预设幅值,则对该变桨速度信号进行排除。
具体地,本实施例中,通过对大量变桨数据的分析,发现尖峰信号存在于变桨速度较大的情况下。在采样数据范围内,如果变桨速度信号所有幅值均小于第一预设幅值,则认为当前信号中变桨波动较小,不含有尖峰信号。若不设置该条件,可能会出现将非尖峰异常变桨信号划分为变桨速度尖峰异常的情况,所以设置该条件,能够避免将非尖峰异常变桨信号划分为变桨速度尖峰异常的情况发生。
或者,若变桨速度信号中存在相邻的两个变桨速度幅值,其中一个变桨速度幅值大于或等于第二预设幅值且另一个变桨速度幅值小于或等于第三预设幅值,则对该变桨速度信号进行排除。其中,第二预设幅值大于第三预设幅值。
具体地,本实施例中,通过对大量变桨数据的分析,发现若相邻两个变桨速度幅值中一个变桨速度幅值接近最大变桨速度,另一个变桨速度幅值接近最小变桨速度,则该类数据不属于尖峰类信号,需要将其排除,所以,本实施例中若变桨速度信号中存在相邻的两个变桨速度幅值,其中一个变桨速度幅值大于或等于第二预设幅值且另一个变桨速度幅值小于或等于第三预设幅值,则对该变桨速度信号进行排除。
其中,第二预设幅值可以为6deg,第三预设阈值可以为-6deg。还可以为其他合理的数值,本实施例中对此不做限定。
步骤502b2,计算变桨速度信号的差分。
具体地,本实施例中,计算变桨速度信号的差分D2,该差分D2为一个时间序列。
步骤502b3,判断变桨速度信号的差分中是否存在大于尖峰异常阈值的差分值,若是,则执行步骤502b4,否则执行步骤502b5。
进一步地,本实施例中,在判断变桨速度信号的差分中是否存在大于尖峰异常阈值的差分值之前,计算尖峰异常阈值。
进一步地,本实施例中,计算尖峰异常阈值具体包括:
首先,计算差分的标准差。
然后,将标准差和第四预设数值的乘积确定为尖峰异常阈值。
具体地,计算尖峰异常阈值具体可表示为式(5)所示:
H=d*S2 (5)
其中,H为尖峰异常阈值,d为第四预设阈值,S2为变桨速度信号的差分的标准差。
本实施例中,第四预设数值是通过对大量数据的分析,找到判断的边界条件进而确定的,也可以通过一些寻优算法确定。
本实施例中,尖峰异常阈值选择为随动阈值,其与S2有关,随其变化而变化,这样可以保证尖峰异常阈值对于变桨速度信号的自适应性,能够适用于不同的运行工况下的变桨速度信号,提高识别的准确性。
步骤502b4,确定发生变桨速度尖峰异常。
执行完步骤502b4后执行步骤503。
步骤502b5,确定未发生变桨速度尖峰异常。
具体地,本实施例中,判断变桨速度信号的差分中是否存在大于尖峰异常阈值的差分值,若是,则说明在变桨速度信号中有尖峰信号,发生了变桨速度尖峰异常,否则,说明在变桨速度信号中不具有尖峰信号,未发生变桨速度尖峰异常。
步骤503,输出发生变桨速度小齿异常或变桨速度尖峰异常的识别结果,并发出变桨异常的预警,推送相应的运维建议。
本实施例中,对发出变桨异常的预警的形式不做限定,如可以以灯光、声音、信息提示等形式进行预警。
本实施例中,推动的运维建议可以为检测传感器是否异常或受到干扰,具体的传感器可以为旋转编码器和其他传感器。
本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一可读取存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
图6为本发明风力发电机组变桨异常的识别装置实施例一的结构示意图,如图6所示,本实施例提供的风力发电机组变桨异常的识别装置包括:变桨速度信号获取程序模块61,变桨异常识别程序模块62。
其中,变桨速度信号获取程序模块61,用于获取风力发电机组的变桨速度信号。变桨异常识别程序模块62,用于根据变桨速度信号确定是否发生变桨异常,变桨异常包括变桨速度小齿异常或变桨速度尖峰异常。
其中,变桨速度小齿异常为在变桨速度信号中存在连续的低幅值波动信号;变桨速度尖峰异常为在变桨速度信号中存在突发的高幅值信号。
本实施例提供的风力发电机组变桨异常的识别装置可以执行图1所示方法实施例的技术方案,其实现原理和技术效果类似,此处不再赘述。
图7为本发明风力发电机组变桨异常的识别装置实施例二的结构示意图,如图7所示,本实施例提供的风力发电机组变桨异常的识别装置在本发明风力发电机组变桨异常的识别装置实施例一的基础上,还包括以下特征。
进一步地,变桨速度信号获取程序模块61,具体包括:故障记录参数读取程序模块611和变桨速度信号获得子程序模块612。
其中,故障记录参数读取程序模块611,用于读取风力发电机组故障记录参数。变桨速度信号获得子程序模块612,用于从故障记录参数中获取风力发电机组发生故障之前的预设时间段内的变桨速度信号。
进一步地,变桨异常包括变桨速度小齿异常;变桨异常识别程序模块62具体包括:周期分量计算程序模块621,差分值个数确定程序模块622,变桨速度小齿异常确定程序模块623。
其中,周期分量计算程序模块621,用于计算变桨速度信号的周期分量。差分值个数确定程序模块622,用于计算周期分量的差分的绝对值,并确定绝对值中大于第一小齿异常阈值的差分值的个数。变桨速度小齿异常确定程序模块623,用于若绝对值中大于第一小齿异常阈值的差分值的个数大于第二小齿异常阈值,则确定发生变桨速度小齿异常。
进一步地,周期分量计算程序模块621,具体用于:采用以下算法中的任意一种:功率谱分析法、自相关函数分析法、方差分析法,计算变桨速度信号的周期分量。
进一步地,变桨异常识别程序模块62还包括:第一小齿异常阈值计算程序模块624和第二小齿异常阈值计算程序模块625。
其中,第一小齿异常阈值计算程序模块624,用于计算周期分量的差分的标准差;计算标准差和第一预设数值的乘积;将乘积和第二预设数值的最大值确定为第一小齿异常阈值。第二小齿异常阈值计算程序模块625,用于计算变桨速度信号的采样时长;将采样时长和第三预设数值的乘积确定为第二小齿异常阈值。
进一步地,变桨异常包括变桨速度尖峰异常;变桨异常识别程序模块62具体包括:变桨速度信号差分计算程序模块626,变桨速度尖峰异常确定程序模块627。
其中,变桨速度信号差分计算程序模块626,用于计算变桨速度信号的差分。变桨速度尖峰异常确定程序模块627,用于若在变桨速度信号的差分中存在大于尖峰异常阈值的差分值,则确定发生变桨速度尖峰异常。
进一步地,变桨异常识别程序模块62还包括:尖峰异常阈值计算程序模块628和非尖峰异常变桨速度信号排除程序模块629。
其中,尖峰异常阈值计算程序模块628,用于计算差分的标准差;将标准差和第四预设数值的乘积确定为尖峰异常阈值。
进一步地,非尖峰异常变桨速度信号排除程序模块629,用于排除存在识别干扰的非尖峰异常变桨速度信号。
进一步地,非尖峰异常变桨速度信号排除程序模块629,具体用于:若变桨速度信号的所有幅值均小于第一预设幅值,则对该变桨速度信号进行排除;或者,若变桨速度信号中存在相邻的两个变桨速度幅值,其中一个变桨速度幅值大于或等于第二预设幅值且另一个变桨速度幅值小于或等于第三预设幅值,则对该变桨速度信号进行排除;其中,第二预设幅值大于第三预设幅值。
本实施例提供的风力发电机组变桨异常的识别装置可以执行图5所示方法实施例的技术方案,其实现原理和技术效果类似,此处不再赘述。
图8为本发明计算机设备实施例一的结构示意图,如图8所示,本实施例提供的计算机设备包括:处理器81和存储计算机指令的存储器82。
其中,计算机指令被处理器81运行时,处理器81执行本发明风力发电机组变桨异常的识别方法实施例一中的方法,即执行获取风力发电机组的变桨速度信号;根据所述变桨速度信号确定是否发生变桨异常,所述变桨异常包括变桨速度小齿异常或变桨速度尖峰异常。
本发明再一实施例还提供了一种计算机可读存储介质,该计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行本发明风力发电机组变桨异常的识别方法实施例一中的方法,即执行获取风力发电机组的变桨速度信号;根据所述变桨速度信号确定是否发生变桨异常,所述变桨异常包括变桨速度小齿异常或变桨速度尖峰异常。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部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范围。
Claims (16)
1.一种风力发电机组变桨异常的识别方法,其特征在于,包括:
获取风力发电机组的变桨速度信号;
根据所述变桨速度信号确定是否发生变桨异常,所述变桨异常包括变桨速度小齿异常或变桨速度尖峰异常;
其中,变桨速度小齿异常为在所述变桨速度信号中存在连续的低幅值波动信号;变桨速度尖峰异常为在所述变桨速度信号中存在突发的高幅值信号;
所述根据所述变桨速度信号确定是否发生变桨异常具体包括:
计算变桨速度信号的周期分量;
计算所述周期分量的差分的绝对值,并确定所述绝对值中大于第一小齿异常阈值的差分值的个数;
若所述绝对值中大于第一小齿异常阈值的差分值的个数大于第二小齿异常阈值,则确定发生变桨速度小齿异常;
所述根据所述变桨速度信号确定是否发生变桨异常,还包括:
计算所述变桨速度信号的差分;
若在所述变桨速度信号的差分中存在大于尖峰异常阈值的差分值,则确定发生变桨速度尖峰异常。
2.根据权利要求1所述的方法,其特征在于,所述获取风力发电机组的变桨速度信号,具体包括:
读取风力发电机组故障记录参数;
从所述故障记录参数中获取风力发电机组发生故障之前的预设时间段内的变桨速度信号。
3.根据权利要求1所述的方法,其特征在于,所述计算变桨速度信号的周期分量,具体包括:
采用以下算法中的任意一种:功率谱分析法、自相关函数分析法、方差分析法,计算所述变桨速度信号的周期分量。
4.根据权利要求1所述的方法,其特征在于,所述确定所述绝对值中大于第一变桨速度小齿异常阈值的差分值的个数之前,还包括:
计算所述周期分量的差分的标准差;
计算所述标准差和第一预设数值的乘积;
将所述乘积和第二预设数值的最大值确定为第一小齿异常阈值。
5.根据权利要求1所述的方法,其特征在于,所述确定所述绝对值中大于第一小齿异常阈值的差分值的个数之后,还包括:
计算所述变桨速度信号的采样时长;
将所述采样时长和第三预设数值的乘积确定为第二小齿异常阈值。
6.根据权利要求1所述的方法,其特征在于,所述计算所述变桨速度信号的差分之后,还包括:
计算所述差分的标准差;
将所述标准差和第四预设数值的乘积确定为尖峰异常阈值。
7.根据权利要求6所述的方法,其特征在于,所述计算所述变桨速度信号的差分之前,还包括:
排除存在识别干扰的非尖峰异常变桨速度信号。
8.根据权利要求7所述的方法,其特征在于,所述排除存在识别干扰的非尖峰异常变桨速度信号,具体包括:
若所述变桨速度信号的所有幅值均小于第一预设幅值,则对该变桨速度信号进行排除;或者,
若所述变桨速度信号中存在相邻的两个变桨速度幅值,其中一个变桨速度幅值大于或等于第二预设幅值且另一个变桨速度幅值小于或等于第三预设幅值,则对该变桨速度信号进行排除;
其中,第二预设幅值大于第三预设幅值。
9.一种风力发电机组变桨异常的识别装置,其特征在于,包括:
变桨速度信号获取程序模块,用于获取风力发电机组的变桨速度信号;
变桨异常识别程序模块,用于根据所述变桨速度信号确定是否发生变桨异常,所述变桨异常包括变桨速度小齿异常或变桨速度尖峰异常;
其中,变桨速度小齿异常为在所述变桨速度信号中存在连续的低幅值波动信号;变桨速度尖峰异常为在所述变桨速度信号中存在突发的高幅值信号;
所述变桨异常识别程序模块具体包括:
周期分量计算程序模块,用于计算变桨速度信号的周期分量;
差分值个数确定程序模块,用于计算所述周期分量的差分的绝对值,并确定所述绝对值中大于第一小齿异常阈值的差分值的个数;
变桨速度小齿异常确定程序模块,用于若所述绝对值中大于第一小齿异常阈值的差分值的个数大于第二小齿异常阈值,则确定发生变桨速度小齿异常;
所述变桨异常识别程序模块还包括:
变桨速度信号差分计算程序模块,用于计算所述变桨速度信号的差分;
变桨速度尖峰异常确定程序模块,用于若在所述变桨速度信号的差分中存在大于尖峰异常阈值的差分值,则确定发生变桨速度尖峰异常。
10.根据权利要求9所述的装置,其特征在于,所述变桨速度信号获取单元,具体包括:
故障记录参数读取程序模块,用于读取风力发电机组故障记录参数;
变桨速度信号获得子程序模块,用于从所述故障记录参数中获取风力发电机组发生故障之前的预设时间段内的变桨速度信号。
11.根据权利要求9所述的装置,其特征在于,所述周期分量计算程序模块,具体用于:
采用以下算法中的任意一种:功率谱分析法、自相关函数分析法、方差分析法,计算所述变桨速度信号的周期分量。
12.根据权利要求9所述的装置,其特征在于,所述变桨异常识别程序模块还包括:
第一小齿异常阈值计算程序模块,用于计算所述周期分量的差分的标准差;计算所述标准差和第一预设数值的乘积;将所述乘积和第二预设数值的最大值确定为第一小齿异常阈值。
13.根据权利要求9所述的装置,其特征在于,所述变桨异常识别程序模块还包括:
第二小齿异常阈值计算程序模块,用于计算所述变桨速度信号的采样时长;将所述采样时长和第三预设数值的乘积确定为第二小齿异常阈值。
14.根据权利要求9所述的装置,其特征在于,所述变桨异常识别程序模块还包括:
尖峰异常阈值计算程序模块,用于计算所述差分的标准差;将所述标准差和第四预设数值的乘积确定为尖峰异常阈值。
15.根据权利要求14所述的装置,其特征在于,所述变桨异常识别程序模块还包括:
非尖峰异常变桨速度信号排除程序模块,用于排除存在识别干扰的非尖峰异常变桨速度信号。
16.根据权利要求15所述的装置,其特征在于,所述非尖峰异常变桨速度信号排除程序模块,具体用于:
若所述变桨速度信号的所有幅值均小于第一预设幅值,则对该变桨速度信号进行排除;或者,若所述变桨速度信号中存在相邻的两个变桨速度幅值,其中一个变桨速度幅值大于或等于第二预设幅值且另一个变桨速度幅值小于或等于第三预设幅值,则对该变桨速度信号进行排除;其中,第二预设幅值大于第三预设幅值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710523813.2A CN107327367B (zh) | 2017-06-30 | 2017-06-30 | 风力发电机组变桨异常的识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710523813.2A CN107327367B (zh) | 2017-06-30 | 2017-06-30 | 风力发电机组变桨异常的识别方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107327367A CN107327367A (zh) | 2017-11-07 |
CN107327367B true CN107327367B (zh) | 2018-12-07 |
Family
ID=60199546
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710523813.2A Active CN107327367B (zh) | 2017-06-30 | 2017-06-30 | 风力发电机组变桨异常的识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107327367B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109089276B (zh) * | 2018-08-31 | 2022-02-22 | 北京金风科创风电设备有限公司 | 变桨系统通信故障处理方法和装置、存储介质 |
CN111812504B (zh) * | 2019-04-10 | 2023-07-28 | 北京金风科创风电设备有限公司 | 风力发电机组故障诊断方法及系统 |
CN114641610A (zh) | 2019-10-30 | 2022-06-17 | 通用电气公司 | 用于使用变桨马达信号来防止风力涡轮中的变桨轴承故障的系统及方法 |
CN113027698B (zh) * | 2019-12-25 | 2022-07-12 | 新疆金风科技股份有限公司 | 风力发电机组的变桨控制回路异常的检测方法和装置 |
CN115143047A (zh) * | 2021-03-30 | 2022-10-04 | 北京金风科创风电设备有限公司 | 变桨系统的异常检测方法、装置、电子设备及存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101918710B (zh) * | 2007-11-07 | 2013-10-16 | 维斯塔斯风力系统集团公司 | 桨距和负载缺陷的诊断 |
CN101660493B (zh) * | 2008-08-29 | 2014-10-01 | 维斯塔斯风力系统有限公司 | 用于测试桨距系统故障的桨距控制系统 |
CN101994647A (zh) * | 2009-08-28 | 2011-03-30 | 西门子公司 | 风力涡轮的控制方法、中央控制器及其系统 |
CN102748215B (zh) * | 2012-07-12 | 2015-11-18 | 国电南京自动化股份有限公司 | 风力发电机组的安全链系统及其故障快速识别方法 |
EP2886856B1 (en) * | 2013-12-20 | 2019-10-02 | Siemens Gamesa Renewable Energy A/S | Detecting a pitch angle adjustment fault |
-
2017
- 2017-06-30 CN CN201710523813.2A patent/CN107327367B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN107327367A (zh) | 2017-11-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107327367B (zh) | 风力发电机组变桨异常的识别方法及装置 | |
US9366235B2 (en) | Estimation of wind conditions at a wind turbine | |
CN107355342B (zh) | 风力发电机组变桨异常的识别方法及装置 | |
EP2487553B1 (en) | Turbine fault analysis | |
CN109655200B (zh) | 一种风力发电机组风轮不平衡的诊断方法及系统 | |
EP2172824B1 (en) | Method and system of wind turbine condition monitoring | |
CN111997831B (zh) | 风电机组的载荷控制方法和装置 | |
CN109885854A (zh) | 基于arma模型的颤振边界实时预测系统及预测方法 | |
JP2010084770A5 (zh) | ||
CN113309663B (zh) | 用于风力发电机组的控制方法及控制装置 | |
CN115081346B (zh) | 一种风电机组尾流效应下的健康度判断方法、装置及介质 | |
CN109416023A (zh) | 风力涡轮机监视装置、风力涡轮机监视方法、风力涡轮机监视程序以及存储介质 | |
CN110398384A (zh) | 旋转机械的机器健康监测 | |
CN109211564B (zh) | 一种用于滚珠丝杠副健康评估的自适应阈值检测方法 | |
EP3974646A1 (en) | Method and system for wind speed determination using vibration data | |
CN117708637A (zh) | 基于改进k均值聚类分析的风电机组叶片故障诊断方法 | |
WO2023025365A1 (en) | Identifying recurrent free-flow wind disturbances associated with a wind turbine | |
US20240105065A1 (en) | Method and system for detecting and classifying manoeuvres executed by an aircraft on the basis of measures acquired during a flight of the aircraft | |
CN113027698B (zh) | 风力发电机组的变桨控制回路异常的检测方法和装置 | |
CN114981538A (zh) | 用于对风力涡轮机进行计算机实现的监测的方法 | |
CN113281003B (zh) | 固定式海工结构实时损伤监测和荷载水平监测方法 | |
CN107025382A (zh) | 一种基于临界相变理论的工程系统健康分析系统和方法 | |
JP7281394B2 (ja) | 異常診断装置およびプログラム | |
TWI771098B (zh) | 路側單元之雷達系統之狀態之錯誤診斷系統及方法 | |
CN116560219B (zh) | 基于输电杆塔风速联合分析的自适应监测控制方法及系统 |
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 |