CN109356798A - 一种基于协整分析的风力发电机齿轮箱状态监测方法 - Google Patents

一种基于协整分析的风力发电机齿轮箱状态监测方法 Download PDF

Info

Publication number
CN109356798A
CN109356798A CN201811322961.9A CN201811322961A CN109356798A CN 109356798 A CN109356798 A CN 109356798A CN 201811322961 A CN201811322961 A CN 201811322961A CN 109356798 A CN109356798 A CN 109356798A
Authority
CN
China
Prior art keywords
whole
residual error
wind
method based
driven generator
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.)
Granted
Application number
CN201811322961.9A
Other languages
English (en)
Other versions
CN109356798B (zh
Inventor
张超
李建军
张彪
段皓然
马芸婷
张晨
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.)
Inner Mongolia University of Science and Technology
Original Assignee
Inner Mongolia University of Science and Technology
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 Inner Mongolia University of Science and Technology filed Critical Inner Mongolia University of Science and Technology
Priority to CN201811322961.9A priority Critical patent/CN109356798B/zh
Publication of CN109356798A publication Critical patent/CN109356798A/zh
Application granted granted Critical
Publication of CN109356798B publication Critical patent/CN109356798B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • F03D15/00—Transmission of mechanical power
    • 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
    • F03D80/00—Details, components or accessories not provided for in groups F03D1/00 - F03D17/00
    • 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)
  • Control Of Positive-Displacement Pumps (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
  • General Details Of Gearings (AREA)

Abstract

本发明公开了一种基于协整分析的风力发电机齿轮箱状态监测方法，其特征在于：结合数据采集与监视控制系统中的m个一阶单整I(1)的非平稳变量，计算或估计协整参数的滞后长度P，协整系数矩阵A，通过协整计算最终得到一个平稳协整残差ξt，当风机齿轮箱处于异常状态时原有协整关系被破坏，协整残差变为非平稳时间序列，通过降阶协整方法找出破坏协整关系的变量；经过协整分析后，只需对协整残差进行分析即可判断风机的运行状态；通过该方法能够将复杂的SCADA数据分析变为简单的残差分析，从残差中提取相关的风机齿轮箱状态信息，有效减少排查时的工作量，提升工作效率，提升故障判断准确率，效果十分明显。

Description

一种基于协整分析的风力发电机齿轮箱状态监测方法
技术领域
本发明设计了一种基于协整分析的风力发电机齿轮箱状态监测方法。
背景技术
风机的数据采集与监视控制系统（Supervisory Control And DataAcquisition，SCADA）数据中携带着大量的设备状态信息，且均为非平稳、非线性的时间序列，从中提取有用的状态信息困难，提取难度大，提取分析周期长，工作人员劳动强度大，对工作人员的经验以及专业性要求较高，而且分析准确率较低，无法及时、准确、高效的对运行状态进行识别。
发明内容
本发明的目的在于提供一种基于协整分析的风力发电机齿轮箱状态监测方法，利用协整分析计算SCADA所采集的若干个非平稳数据的残差，并通过残差确定风机齿轮箱的运行状态，通过协整分析把对复杂的SCADA数据分析变为简单的残差分析，从残差中提取相关的风机齿轮箱状态信息，有效减少排查时的工作量，提升工作效率，提升状态监测准确率，效果十分明显。
一种基于协整分析的风力发电机齿轮箱状态监测方法，其特征在于：结合数据采集与监视控制系统中的m个一阶单整I(1)的非平稳变量，计算或估计协整参数的滞后长度P，协整系数矩阵A，通过协整计算最终得到一个平稳协整残差ξt（即为残差ξt平稳性检验的ADF值小于1%的临界值），当风机齿轮箱处于异常状态（即为齿轮或轴承磨损、轮齿折断等）时原有协整关系被破坏，协整残差变为非平稳时间序列（残差ξt平稳性检验的ADF值大于1%的临界值），通过降阶协整方法（即为依次排除其中一个非平稳变量）找出破坏协整关系的变量；经过协整分析后，只需对协整残差进行分析即可判断风机的运行状态（残差平稳说明风机运行正常，反之风机运行异常），对m个风机参数建立自回归模型如（1）所示：
其中，yt为m×1的非平稳变量，由m个待检验的非平稳变量组成，
A1……Ap是带估计的m×m参数矩阵，
ξt是协整残差，
P为自回归的滞后阶数，
参数的计算和估计具体包括：
滞后长度P的选择，滞后长度通过自相关函数的截尾性判断自相关函数的公式如（2）所示：
自相关函数的截尾性指当k>p时T（为建模数据个数）称P为滞后长度，
协整系数A选择，对（1）式进行迭代得式（3）
令
则式（1）变为
对式（5）使用最小二乘估计得出协整系数A的估计值，
。
优选地，所述结合数据采集与监视控制系统是用于实时采集风机物理信号的系统。
优选地，非平稳变量包括风速、齿轮箱温度、发电机转速、网侧功率等参数。
本发明的有益效果在于本发明可以简单准确的识别故障变量，进一步实现风机齿轮箱状态监测，求得的参数建立协整模型对其残差进行平稳性检验残差平稳说明模型可靠，利用所建立的协整模型对同一台风机的实时数据进行分析，即可判断风机的运行状态，而且基于协整分析的风力发电机齿轮箱状态监测方法能够实现风机的状态监测，有很好的应用前景。
附表说明
表1为本发明的SCADA原始数据ADF检测结果。
表2为本发明的变量的Johansen检验结果。
表3为本发明对步骤3获得的残差进行ADF检验结果。
表4为本发明对步骤5中获得的残差进行单位根ADF检验结果。
表5为本发明的对步骤7中获得的降阶协整残差进行ADF检验结果。
具体实施方式
协整分析原理如表1所示，协整分析之前首先对变量进行单位根检验，确定被分析的变量为一阶单整I(1)变量，随后进行协整分析，建立协整模型，再利用协整模型对采集到的SCADA数据进行分析得到协整残差，对协整残差进行单位根测试，协整残差平稳则变量满足所建立的协整模型说明风机齿轮箱运行状态正常，反之风机齿轮箱运行异常：
步骤1：从SCADA系统获取的数据中提取一阶单整I(1)序列，为协整分析做准备；
步骤2：从步骤1的数据中提取有协整关系的变量，如表2所示。数据的ADF（ArgumentDickey-Fuller ）单位根检测结果如表1；
表1 SCADA原始数据ADF检测结果
表1结果表明SCADA数据在1%置信水平上为一阶单整I(1)序列；
步骤3：对步骤2获得的数据进行协整分析，分析结果如表2所示；
表2 变量的Johansen检验结果
表2中r表示协整关系的个数，由表可知在1%的置信水平上有3个协整关系，得到三个残差序列如表3所示；
步骤4：对步骤3获得的残差进行ADF单位根检测，结果如表3所示；
表3 ADF检验结果
表3中ADF统计量均小于1%临界值表明残差为平稳时间序列。B、C两处为停机状态属正常运行，故短暂的偏离之后又回到了平稳状态；
步骤5：对原始SCADA故障数据如表4所示进行协整分析计算协整残差如表5所示；
步骤6：对步骤5中获得的残差进行单位根测试结果如表4所示；
表4 ADF检验结果
表4中ADF统计量大于1%临界值表明残差非平稳；
步骤7：利用降阶协整的方式，通过协整残差逐个判断各个变量是否异常如表5所示；
步骤8：对步骤7中获得的降阶协整残差进行ADF检验结果如表5所示；
表5 ADF检验结果
表5中残差(a)(c)(d)的ADF统计量均大于1%临界值说明这三个残差是非平稳时间序列而(b)的ADF统计量小于1%临界值说明残差（b）为平稳时间序列。通过分析可知为变量y2发生了故障。
通过上述分析得出经过协整计算之后，仅仅通过残差就可以实现风机齿轮箱状态的监测，从而减小了工作量，且提高了工作精度。

Claims (8)

1.一种基于协整分析的风力发电机齿轮箱状态监测方法，其特征在于：结合数据采集与监视控制系统中的m个一阶单整I(1)的非平稳变量，计算或估计协整参数的滞后长度P，协整系数矩阵A，通过协整计算最终得到一个平稳协整残差ξt，当风机齿轮箱处于异常状态时原有协整关系被破坏，协整残差变为非平稳时间序列，通过降阶协整方法找出破坏协整关系的变量；经过协整分析后，只需对协整残差进行分析即可判断风机的运行状态，对m个风机参数建立自回归模型如（1）所示：
其中，yt为m×1的非平稳变量，由m个待检验的非平稳变量组成，
A1……Ap是带估计的m×m参数矩阵，
ξt是协整残差，
P为自回归的滞后阶数，
参数的计算和估计具体包括：
滞后长度P的选择，滞后长度通过自相关函数的截尾性判断，自相关函数的公式如（2）所示：
自相关函数的截尾性指当k>p时T（为建模数据个数）称P为滞后长度，
协整系数A选择，对（1）式进行迭代得式（3）
令
则式（1）变为
对式（5）使用最小二乘估计得出协整系数A的估计值，
。
2.根据权利要求1所述的一种基于协整分析的风力发电机齿轮箱状态监测方法，其特征在于：所述结合数据采集与监视控制系统是用于实时采集风机物理信号的系统。
3.根据权利要求1所述的一种基于协整分析的风力发电机齿轮箱状态监测方法，其特征在于：非平稳变量包括风速、齿轮箱温度、发电机转速、网侧功率。
4.根据权利要求1所述的一种基于协整分析的风力发电机齿轮箱状态监测方法，其特征在于：残差ξt的ADF值小于1%的临界值，为平稳协整残差。
5.根据权利要求1所述的一种基于协整分析的风力发电机齿轮箱状态监测方法，其特征在于：当风机齿轮箱处于异常状态包括齿轮或轴承磨损、轮齿折断的状态。
6.根据权利要求1所述的一种基于协整分析的风力发电机齿轮箱状态监测方法，其特征在于：残差ξt平稳性检验的ADF值大于1%的临界值，则协整残差变为非平稳时间序列。
7.根据权利要求1所述的一种基于协整分析的风力发电机齿轮箱状态监测方法，其特征在于：所述降阶协整方法为依次排除其中一个非平稳变量。
8.根据权利要求1所述的一种基于协整分析的风力发电机齿轮箱状态监测方法，其特征在于：判断风机的运行状态，残差平稳说明风机运行正常，反之风机运行异常。
CN201811322961.9A 2018-11-08 2018-11-08 一种基于协整分析的风力发电机齿轮箱状态监测方法 Active CN109356798B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811322961.9A CN109356798B (zh) 2018-11-08 2018-11-08 一种基于协整分析的风力发电机齿轮箱状态监测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811322961.9A CN109356798B (zh) 2018-11-08 2018-11-08 一种基于协整分析的风力发电机齿轮箱状态监测方法

Publications (2)

Publication Number Publication Date
CN109356798A true CN109356798A (zh) 2019-02-19
CN109356798B CN109356798B (zh) 2020-04-17

Family

ID=65344589

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811322961.9A Active CN109356798B (zh) 2018-11-08 2018-11-08 一种基于协整分析的风力发电机齿轮箱状态监测方法

Country Status (1)

Country Link
CN (1) CN109356798B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112329249A (zh) * 2020-11-11 2021-02-05 中国人民解放军陆军工程大学 轴承的失效预测方法及终端设备
CN112347653A (zh) * 2020-11-11 2021-02-09 中国人民解放军陆军工程大学 轴承的退化特征提取方法及终端设备
CN113050606A (zh) * 2021-03-29 2021-06-29 中国人民解放军火箭军工程大学 一种复杂非平稳过程的质量相关故障检测方法
CN113435106A (zh) * 2021-06-01 2021-09-24 华中科技大学 一种过渡模态操作故障检测方法和系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102434388A (zh) * 2011-11-17 2012-05-02 高丙团 风力发电机组健康状态在线监测装置及其监测方法
CN103033745A (zh) * 2011-08-29 2013-04-10 通用电气公司 检测发电机的机械故障的方法和系统
CN103758696A (zh) * 2014-01-09 2014-04-30 华北电力大学 基于scada温度参数的风电机组安全状况评价方法
JP2014206125A (ja) * 2013-04-15 2014-10-30 住友重機械工業株式会社 風力発電装置に設けられる増速機システムおよび方法
CN106680012A (zh) * 2017-01-25 2017-05-17 浙江大学 一种面向大型燃煤发电机组非平稳过程的故障检测方法和诊断方法
KR20180089690A (ko) * 2017-02-01 2018-08-09 박찬희 자동차용 발전기와 유체 터빈이 결합한 유체 발전기
CN108492000A (zh) * 2018-02-11 2018-09-04 浙江大学 一种面向百万千瓦超超临界机组非平稳故障特性的在线故障诊断方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103033745A (zh) * 2011-08-29 2013-04-10 通用电气公司 检测发电机的机械故障的方法和系统
CN102434388A (zh) * 2011-11-17 2012-05-02 高丙团 风力发电机组健康状态在线监测装置及其监测方法
JP2014206125A (ja) * 2013-04-15 2014-10-30 住友重機械工業株式会社 風力発電装置に設けられる増速機システムおよび方法
CN103758696A (zh) * 2014-01-09 2014-04-30 华北电力大学 基于scada温度参数的风电机组安全状况评价方法
CN106680012A (zh) * 2017-01-25 2017-05-17 浙江大学 一种面向大型燃煤发电机组非平稳过程的故障检测方法和诊断方法
KR20180089690A (ko) * 2017-02-01 2018-08-09 박찬희 자동차용 발전기와 유체 터빈이 결합한 유체 발전기
CN108492000A (zh) * 2018-02-11 2018-09-04 浙江大学 一种面向百万千瓦超超临界机组非平稳故障特性的在线故障诊断方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112329249A (zh) * 2020-11-11 2021-02-05 中国人民解放军陆军工程大学 轴承的失效预测方法及终端设备
CN112347653A (zh) * 2020-11-11 2021-02-09 中国人民解放军陆军工程大学 轴承的退化特征提取方法及终端设备
CN113050606A (zh) * 2021-03-29 2021-06-29 中国人民解放军火箭军工程大学 一种复杂非平稳过程的质量相关故障检测方法
CN113435106A (zh) * 2021-06-01 2021-09-24 华中科技大学 一种过渡模态操作故障检测方法和系统
CN113435106B (zh) * 2021-06-01 2023-12-05 华中科技大学 一种过渡模态操作故障检测方法和系统

Also Published As

Publication number Publication date
CN109356798B (zh) 2020-04-17

Similar Documents

Publication Publication Date Title
CN109356798A (zh) 一种基于协整分析的风力发电机齿轮箱状态监测方法
Schlechtingen et al. Wind turbine condition monitoring based on SCADA data using normal behavior models. Part 2: Application examples
US10288043B2 (en) Wind turbine condition monitoring method and system
CN101446831B (zh) 一种分散的过程监测方法
CN111582392B (zh) 一种风电机组关键部件多工况健康状态在线监测方法
CN104520581B (zh) 自动计算用于风力涡轮机的功率曲线监测的功率曲线界限的方法
JPWO2018061842A1 (ja) 異常検知プログラム、異常検知方法および異常検知装置
CN102588214A (zh) 自动监视风力涡轮机的方法和设备及创建线性模型的方法
JP7240527B2 (ja) 運転可能な風力タービンのコンポーネントの残存有効寿命を評価するための方法
JP2015011027A (ja) 時系列データにおける異常を検出する方法
EP2530303A3 (de) Verfahren zum Betreiben einer Windenergieanlage bei Auftreten eines Netzfehlers sowie eine solche Windenergieanlage
WO2019043600A1 (en) ESTIMATOR OF REMAINING USEFUL LIFE ESTIMATOR
Cui et al. An anomaly detection approach using wavelet transform and artificial neural networks for condition monitoring of wind turbines' gearboxes
CN104182623A (zh) 一种基于当量变化率计算的热工过程数据检测方法
de Andrade Vieira et al. Wind turbine condition assessment based on changes observed in its power curve
CN115406483A (zh) 一种水电机组故障识别方法、装置、设备及可读存储介质
CN106596110A (zh) 基于在线数据的水轮发电机组水力不平衡故障的自动分析诊断方法
CN113313365A (zh) 一种一次风机的劣化预警方法及设备
CN109460863A (zh) 基于深度学习的设备状态预测方法
WO2018073688A1 (en) Determining loads on a wind turbine
CN115062879B (zh) 一种风电机组指标参数的获取方法、装置及设备
US11339763B2 (en) Method for windmill farm monitoring
CN103713236B (zh) 一种输电线路覆冰故障自动判定方法
CN114607571A (zh) 一种运用润滑系统监测的海上风电齿轮箱故障识别方法及系统
CN102879085B (zh) 汽轮发电机组低频振动非稳态实时预警方法

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