CN109723609B - 一种风电机组变桨系统的故障预警方法及系统 - Google Patents
一种风电机组变桨系统的故障预警方法及系统 Download PDFInfo
- Publication number
- CN109723609B CN109723609B CN201711051319.7A CN201711051319A CN109723609B CN 109723609 B CN109723609 B CN 109723609B CN 201711051319 A CN201711051319 A CN 201711051319A CN 109723609 B CN109723609 B CN 109723609B
- Authority
- CN
- China
- Prior art keywords
- data
- filtering
- deviation
- test
- variable pitch
- 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 45
- 238000001914 filtration Methods 0.000 claims abstract description 144
- 230000008859 change Effects 0.000 claims abstract description 16
- 238000012545 processing Methods 0.000 claims description 55
- 238000012360 testing method Methods 0.000 claims description 31
- 238000002813 epsilometer test Methods 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 17
- 230000002159 abnormal effect Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 238000009499 grossing Methods 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 4
- 238000003860 storage Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- 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
- Wind Motors (AREA)
Abstract
一种风电机组变桨系统的故障预警方法及系统,包括:采集变桨系统正常运行且桨距角发生变化的历史数据,所述历史数据包括变桨系统中每个叶片的桨距角;对所述历史数据进行滤波处理,根据滤波处理前、后的数据偏差确定数据偏差范围;对变桨系统待测数据进行滤波处理,当滤波处理前、后的数据偏差超出所述数据偏差范围,则发出故障预警。本发明能够在变桨系统故障早期,变桨角度未发生明显异常时,针对变桨角度曲线不平滑的情况进行故障预警,发现早期的变桨故障。
Description
技术领域
本发明涉及新能源发电,具体涉及一种风电机组变桨系统的故障预警方法及系统。
背景技术
风电行业的成本主要集中在两个方面,第一是制造、加工和安装成本,第二就是运维成本,日常运维成本大概为风电场总收入的10%-15%,提前发现并预警故障是降低运维成本的重要措施。
变桨系统是组成风电机组的重要部件,作用为通过改变叶片迎风角,控制功率在合理范围内稳定输出。由于风电机组所在地多有突发大风或阵风的情况,加之工作条件恶劣,变桨故障发生频率高,对风机发电量和运维成本均有较大影响。
变桨角度异常是变桨系统故障的重要表现形式,当变桨角度与预设值发生明显偏差,或任意两个或以上叶片运行角度相差值超过稳定运行阈值,都可以触发变桨系统故障报警。然而在变桨系统故障早期,变桨角度未发生明显异常,仅仅由于转矩或控制等问题使变桨角度曲线不平滑,此时需要对数据进行分析以发现早期故障。
发明内容
为了解决现有技术中所存在的上述不足,本发明提供一种风电机组变桨系统故障预警方法及系统。
本发明提供的技术方案是:一种风电机组变桨系统的故障预警方法,包括:
采集变桨系统正常运行且桨距角发生变化的历史数据,所述历史数据包括变桨系统中每个叶片的桨距角;
对所述历史数据进行滤波处理,根据滤波处理前、后的数据偏差确定数据偏差范围;
对变桨系统待测数据进行滤波处理,当滤波处理前、后的数据偏差超出所述数据偏差范围,则发出故障预警。
优选的,采集的所述历史数据为5-10秒的秒级数据。
优选的,所述根据Savitzky‐Golay滤波器对所述历史数据进行滤波处理,包括:
从所述历史数据中随机选择若干时间段内的数据作为样本数据;
根据预设的循环单边点数集合和多项式阶次集合,每次从单边点数集合和多项式阶次集合中各取一个数值、分别对各时间段的样本数据进行Savitzky-Golay滤波并绘制滤波后的曲线图;
所述曲线图中的曲线最低点对应的参数为拟合单边点数m和多项式阶次n的值。
优选的,根据所述单边点数和多项式阶次,通过下式分别对各时间段的样本数据进行Savitzky-Golay滤波:
yM=sgolayfilt(xM,m,n)
式中:yM:滤波后的样本数据;M:N段样本数据的数据点个数;sgolayfilt():对数据进行Savitzky-Golay滤波的函数;xM:滤波前的样本数据;N:数据样本的数量。
优选的,通过下式确定所述滤波处理前、后的数据偏差确定数据偏差范围:
Ealarm=[-Emean-5*Estd,Emean+5*Estd]
式中:Ealarm:数据偏差范围;Emean:N段数据的平均误差;Estd:N段数据的误差标准差,所述Emean和Estd分别根据各时间段滤波处理前、后的数据偏差确定。
优选的,所述Emean通过下式确定:
所述Estd通过下式确定:
所述各时间段滤波处理前、后的数据偏差通过下式确定:
EM=yM-xM
式中:EM:样本数据进行滤波前、后的数据偏差。
优选的,根据所述单边点数和多项式阶次,通过下式对变桨系统待测数据进行滤波处理,包括:
ytest=sgolayfilt(xtest,m,n)
式中:ytest:滤波后的变桨系统待测数据;xtest:滤波前的变桨系统待测数据;所述待测数据是采集5-10秒的待测风电机组上每个叶片的桨距角。
优选的,通过下式判断滤波处理前、后的数据偏差是否超出所述数据偏差范围:
Etest∈Ealarm
式中:Etest:变桨系统待测数据进行滤波前、后的数据偏差;
所述变桨系统待测数据进行滤波前、后的数据偏差通过下述确认:
Etest=ytest-xtest。
基于同一发明构思,本发明还提供了一种风电机组变桨系统的故障预警系统,包括:
采集模块:用于采集变桨系统正常运行且桨距角发生变化的历史数据,所述历史数据包括变桨系统中每个叶片的桨距角;
处理模块:用于对所述历史数据进行滤波处理,根据滤波处理前、后的数据偏差确定数据偏差范围;
判断模块:用于对变桨系统待测数据进行滤波处理,当滤波处理前、后的数据偏差超出所述数据偏差范围,则发出故障预警。
优选的,所述处理模块,包括:
选择子模块:用于从所述历史数据中随机选择若干时间段内的数据作为样本数据;
滤波子模块:用于根据预设的循环单边点数集合和多项式阶次集合,每次从单边点数集合和多项式阶次集合中各取一个数值、分别对各时间段的样本数据进行Savitzky-Golay滤波并绘制滤波后的曲线图;所述曲线图中的曲线最低点对应的参数为拟合单边点数m和多项式阶次n的值。
优选的,所述滤波子模块包括:
滤波单元:用于根据所述单边点数和多项式阶次,通过下式进行分别对各时间段的样本数据进行Savitzky-Golay滤波:
yM=sgolayfilt(xM,m,n)
式中:yM:滤波后的样本数据;M:N段样本数据的数据点个数;sgolayfilt():对数据进行Savitzky-Golay滤波的函数;xM:滤波前的样本数据;N:数据样本的数量;
偏差范围单元:用于通过下式确定所述滤波处理前、后的数据偏差确定数据偏差范围:
Ealarm=[-Emean-5*Estd,Emean+5*Estd]
式中:Ealarm:数据偏差范围;Emean:N段数据的平均误差;Estd:N段数据的误差标准差,所述Emean和Estd分别根据各时间段滤波处理前、后的数据偏差确定。
优选的,所述滤波子模块还包括:
平均误差单元:用于通过下式确定Emean:
误差标准差单元:用于通过下式确定所述Estd:
数据偏差单元:用于通过下式确定所述各时间段滤波处理前、后的数据偏差:
EM=yM-xM
式中:EM:样本数据进行滤波前、后的数据偏差。
优选的,所述判断模块包括:
滤波处理单元:用于根据所述单边点数和多项式阶次,通过下式对变桨系统待测数据进行滤波处理:
ytest=sgolayfilt(xtest,m,n)
式中:ytest:滤波后的变桨系统待测数据;xtest:滤波前的变桨系统待测数据;所述待测数据是采集5-10秒的待测风电机组上每个叶片的桨距角;
判断单元:用于通过下式判断滤波处理前、后的数据偏差是否超出所述数据偏差范围:
Etest∈Ealarm
式中:Etest:变桨系统待测数据进行滤波前、后的数据偏差;
待测数据偏差单元:用于通过下述确认所述变桨系统待测数据进行滤波前、后的数据偏差:
Etest=ytest-xtest。
与最接近的现有技术相比,本发明提供的技术方案具有以下有益效果:
1、本发明提供的技术方案,采集变桨系统正常运行且桨距角发生变化的历史数据,对历史数据进行滤波处理,根据滤波处理前、后的数据偏差确定数据偏差范围;对变桨系统待测数据进行滤波处理,当滤波处理前、后的数据偏差超出所述数据偏差范围,则发出故障预警,能够在变桨系统故障早期,变桨角度未发生明显异常时,针对变桨角度曲线不平滑的情况进行故障预警,发现早期的变桨故障。
2、本发明提供的技术方案,使用SCADA系统中的秒级数据,对变桨角度进行分析,相对于分钟级数据能够更准确的反映变桨系统工作状态。
3、本发明提供的技术方案,只需要运行相对小型的程序,减少了对电脑内存和数据处理能力的要求,不额外增加成本,极少占用系统资源。
4、本发明提供的技术方案,能够针对不同型号的风电机组对滤波参数进行调整,方法适应性广。
附图说明
图1为本发明的结构示意图;
图2为本发明的构建平滑滤波模型流程图;
图3为本发明的处理待测数据流程图;
图4为本实施例中的Savitzky-Golay滤波示意图;
图5为本实施例中的变桨系统故障预警示意图。
具体实施方式
为了更好地理解本发明,下面结合说明书附图和实例对本发明的内容做进一步的说明。
图1,为一种风电机组变桨系统的故障预警方法结构图;如图1所示,本方法包括:
采集变桨系统正常运行且桨距角发生变化的历史数据,所述历史数据包括变桨系统中每个叶片的桨距角;
对所述历史数据进行滤波处理,根据滤波处理前、后的数据偏差确定数据偏差范围;
对变桨系统待测数据进行滤波处理,当滤波处理前、后的数据偏差超出所述数据偏差范围,则发出故障预警。
在风电机组运行的历史数据中选择N(N≥10)段数据作为学习数据,在此N段数据中,变桨系统正常工作,且桨距角发生变化。当前大部分风电机组所存储的SCADA数据一般为5分钟或10分钟的平均值,但同时也采集5-10秒的秒级数据,由于变桨角度随着风速的变化发生改变,角度变化周期短,分钟级数据不能有效采集到角度的变化过程,因此本实施例采用5-10秒的平均数据对变桨故障进行预警。采集的数据包括:风电机组每个叶片的桨距角。
本实施例中选取的历史数据为10秒平均数据,共530个数据点,数据包含10段变桨过程。
如图2所示,对历史数据进行滤波处理的过程,本实施例针对桨距角的变化情况对风电机组变桨系统故障进行预警,仅分析桨距角发生变化,即变桨速度不为0的数据。变桨系统处于正常的运行状态下时,变桨角度应平滑变化,采用Savitzky-Golay滤波器对桨距角信号进行平滑除噪,在滤除噪声的同时确保信号的形状、宽度不变,以此来评估变桨角度平滑变化的程度。
Savitzky-Golay滤波器最初由Savitzky A和Golay M于1964年提出,被广泛运用于数据流平滑除噪,是一种在时域内基于多项式,通过移动窗口利用最小二乘法进行最佳拟合的方法,可以直接处理来自时间域内数据平滑的问题,在滤波过程中只需要运行相对小型的程序,减少了对电脑内存和数据处理能力的要求,且更能保留相对极大值、极小值和宽度等分布特性。
要使用Savitzky-Golay滤波器对桨距角信号进行平滑除噪,单边点数m和多项式阶次n的预设值分别是1~10,
首先设定单边点数m=1,多项式阶次n的值从1循环到10,分别对各时间段的数据进行Savitzky-Golay滤波,并绘制对应参数滤波结果的波形图;
然后设定单边点数m=2,多项式阶次n的值从1循环到10,分别对各时间段的数据进行Savitzky-Golay滤波,并绘制对应参数滤波结果的曲线图;
依次类推,设定单边点数m=10,多项式阶次n的值从1循环到10,分别对各时间段的数据进行Savitzky-Golay滤波,并绘制对应参数滤波结果的波形图;
比较得到的所有曲线图,曲线最低点对应参数的拟合单边点数m和多项式阶次n的值为拟合单边点数m和多项式阶次n的值。
最终确定m=3,n=7,滤波结果见附图4。
对此10段数据进行Savitzky-Golay滤波,
y1=sgolayfilt(x1,m,n)
y2=sgolayfilt(x2,m,n)
yM=sgolayfilt(xM,m,n)
式中:yM:滤波后的样本数据;M:N段样本数据的数据点个数;sgolayfilt():对数据进行Savitzky-Golay滤波的函数;xM:滤波前的样本数据;N:数据样本的数量。
基于Savitzky-Golay滤波结果计算前后的滤波偏差,按下式计算:
EM=yM-xM
式中:EM:样本数据进行滤波前、后的数据偏差。
根据所述前后的滤波偏差求解平均误差和标准差,按下式计算:
基于平均误差和误差标准差,确定偏差合理范围,如下式所示:
Ealarm=[-Emean-5*Estd,Emean+5*Estd]
式中:Ealarm:数据偏差范围;Emean:N段数据的平均误差;Estd:N段数据的误差标准差,
根据上述公式求得:平均误差Emean=0.5259,误差标准差Estd=1.0021,最终确定的报警范围为Ealarm=(±)5.5366。
针对不同型号的风电机组,可以对Savitzky-Golay滤波函数输入参数m和n进行调整,使平均误差Emean尽量小,即滤波效果更接近变桨系统正常运行的原始数据。
采集变桨系统待测数据,由于风电机组持续运行过程中,变桨角度发生变化的时间属于少数,如果对所有时间段的变桨角度数据均进行分析,数据量大,效率低下。对桨距角信号进行筛选,仅分析桨距角发生变化的情况,即变桨速度不为0的情况。在数据分析之前需要对数据合理性进行判别,筛除处于合理范围之外的错误数据(0-90度的范围之外),并用插值的方法补全缺失值。
如图3所示,对变桨系统待测数据进行Savitzky-Golay滤波,按下式计算:
ytest=sgolayfilt(xtest,m,n)
式中:ytest:滤波后的变桨系统待测数据;xtest:滤波前的变桨系统待测数据。
基于Savitzky-Golay滤波结果计算前后的滤波偏差,按下式计算:
Etest=ytest-xtest
式中:Etest:变桨系统待测数据进行滤波前、后的数据偏差;
当滤波偏差属于偏差范围时,则变桨系统正常运行,如下式所示:
Etest∈Ealarm
反之预警变桨系统故障。
对同一风机后续的变桨过程进行预警,取一段典型数据,同样为10秒平均数据,共370个数据点,包含6段变桨过程。对该数据使用m=3,n=7的参数进行Savitzky-Golay滤波,滤波结果见附图5,拟合误差最大16.8430,最小-15.2360,共51个数据点超出报警范围,该段数据预警变桨系统故障。
基于同一发明构思,本实施例还提供了一种风电机组变桨系统的故障预警系统,包括:
采集模块:用于采集变桨系统正常运行且桨距角发生变化的历史数据,所述历史数据包括变桨系统中每个叶片的桨距角;
处理模块:用于对所述历史数据进行滤波处理,根据滤波处理前、后的数据偏差确定数据偏差范围;
判断模块:用于对变桨系统待测数据进行滤波处理,当滤波处理前、后的数据偏差超出所述数据偏差范围,则发出故障预警。
实施例中,所述处理模块,包括:
选择子模块:用于从所述历史数据中随机选择若干时间段内的数据作为样本数据;
滤波子模块:用于根据预设的循环单边点数集合和多项式阶次集合,每次从单边点数集合和多项式阶次集合中各取一个数值、分别对各时间段的样本数据进行Savitzky-Golay滤波并绘制滤波后的曲线图;所述曲线图中的曲线最低点对应的参数为拟合单边点数m和多项式阶次n的值。
实施例中,所述滤波子模块包括:
滤波单元:用于根据所述单边点数和多项式阶次,通过下式进行分别对各时间段的样本数据进行Savitzky-Golay滤波:
yM=sgolayfilt(xM,m,n)
式中:yM:滤波后的样本数据;M:N段样本数据的数据点个数;sgolayfilt():对数据进行Savitzky-Golay滤波的函数;xM:滤波前的样本数据;N:数据样本的数量;
偏差范围单元:用于通过下式确定所述滤波处理前、后的数据偏差确定数据偏差范围:
Ealarm=[-Emean-5*Estd,Emean+5*Estd]
式中:Ealarm:数据偏差范围;Emean:N段数据的平均误差;Estd:N段数据的误差标准差,所述Emean和Estd分别根据各时间段滤波处理前、后的数据偏差确定。
实施例中,所述滤波子模块还包括:
平均误差单元:用于通过下式确定Emean:
误差标准差单元:用于通过下式确定所述Estd:
数据偏差单元:用于通过下式确定所述各时间段滤波处理前、后的数据偏差:
EM=yM-xM
式中:EM:样本数据进行滤波前、后的数据偏差。
实施例中,所述判断模块包括:
滤波处理单元:用于根据所述单边点数和多项式阶次,通过下式对变桨系统待测数据进行滤波处理:
ytest=sgolayfilt(xtest,m,n)
式中:ytest:滤波后的变桨系统待测数据;xtest:滤波前的变桨系统待测数据;所述待测数据是采集5-10秒的待测风电机组上每个叶片的桨距角;
判断单元:用于通过下式判断滤波处理前、后的数据偏差是否超出所述数据偏差范围:
Etest∈Ealarm
式中:Etest:变桨系统待测数据进行滤波前、后的数据偏差;
待测数据偏差单元:用于通过下述确认所述变桨系统待测数据进行滤波前、后的数据偏差:
Etest=ytest-xtest。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上仅为本发明的实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均包含在申请待批的本发明的权利要求范围之内。
Claims (11)
1.一种风电机组变桨系统的故障预警方法,其特征在于,包括:
采集变桨系统正常运行且桨距角发生变化的历史数据,所述历史数据包括变桨系统中每个叶片的桨距角;
对所述历史数据进行滤波处理,根据滤波处理前、后的数据偏差确定数据偏差范围;
对变桨系统待测数据进行滤波处理,当滤波处理前、后的数据偏差超出所述数据偏差范围,则发出故障预警;
所述根据Savitzky-Golay滤波器对所述历史数据进行滤波处理,包括:
从所述历史数据中随机选择若干时间段内的数据作为样本数据;
根据预设的循环单边点数集合和多项式阶次集合,每次从单边点数集合和多项式阶次集合中各取一个数值、分别对各时间段的样本数据进行Savitzky-Golay滤波并绘制滤波后的曲线图;
所述曲线图中的曲线最低点对应的参数为拟合单边点数m和多项式阶次n的值。
2.如权利要求1所述的故障预警方法,其特征在于,采集的所述历史数据为5-10秒的秒级数据。
3.如权利要求1所述的故障预警方法,其特征在于,根据所述单边点数和多项式阶次,通过下式分别对各时间段的样本数据进行Savitzky-Golay滤波:
yM=sgolayfilt(xM,m,n)
式中:yM:滤波后的样本数据;M:N段样本数据的数据点个数;sgolayfilt():对数据进行Savitzky-Golay滤波的函数;xM:滤波前的样本数据;N:数据样本的数量。
4.如权利要求3所述的故障预警方法,其特征在于,通过下式确定所述滤波处理前、后的数据偏差确定数据偏差范围:
Ealarm=[-Emean-5*Estd,Emean+5*Estd]
式中:Ealarm:数据偏差范围;Emean:N段数据的平均误差;Estd:N段数据的误差标准差,所述Emean和Estd分别根据各时间段滤波处理前、后的数据偏差确定。
6.如权利要求1或4所述的故障预警方法,其特征在于,根据所述单边点数和多项式阶次,通过下式对变桨系统待测数据进行滤波处理,包括:
ytest=sgolayfilt(xtest,m,n)
式中:ytest:滤波后的变桨系统待测数据;xtest:滤波前的变桨系统待测数据;所述待测数据是采集5-10秒的待测风电机组上每个叶片的桨距角。
7.如权利要求6所述的故障预警方法,其特征在于,通过下式判断滤波处理前、后的数据偏差是否超出所述数据偏差范围:
Etest∈Ealarm
式中:Etest:变桨系统待测数据进行滤波前、后的数据偏差;
所述变桨系统待测数据进行滤波前、后的数据偏差通过下述确认:
Etest=ytest-xtest。
8.一种风电机组变桨系统的故障预警系统,其特征在于,包括:
采集模块:用于采集变桨系统正常运行且桨距角发生变化的历史数据,所述历史数据包括变桨系统中每个叶片的桨距角;
处理模块:用于对所述历史数据进行滤波处理,根据滤波处理前、后的数据偏差确定数据偏差范围;
判断模块:用于对变桨系统待测数据进行滤波处理,当滤波处理前、后的数据偏差超出所述数据偏差范围,则发出故障预警;
所述处理模块,包括:
选择子模块:用于从所述历史数据中随机选择若干时间段内的数据作为样本数据;
滤波子模块:用于根据预设的循环单边点数集合和多项式阶次集合,每次从单边点数集合和多项式阶次集合中各取一个数值、分别对各时间段的样本数据进行Savitzky-Golay滤波并绘制滤波后的曲线图;所述曲线图中的曲线最低点对应的参数为拟合单边点数m和多项式阶次n的值。
9.如权利要求8所述的故障预警系统,其特征在于,所述滤波子模块包括:
滤波单元:用于根据所述单边点数和多项式阶次,通过下式进行分别对各时间段的样本数据进行Savitzky-Golay滤波:
yM=sgolayfilt(xM,m,n)
式中:yM:滤波后的样本数据;M:N段样本数据的数据点个数;sgolayfilt():对数据进行Savitzky-Golay滤波的函数;xM:滤波前的样本数据;N:数据样本的数量;
偏差范围单元:用于通过下式确定所述滤波处理前、后的数据偏差确定数据偏差范围:
Ealarm=[-Emean-5*Estd,Emean+5*Estd]
式中:Ealarm:数据偏差范围;Emean:N段数据的平均误差;Estd:N段数据的误差标准差,所述Emean和Estd分别根据各时间段滤波处理前、后的数据偏差确定。
11.如权利要求8所述的故障预警系统,其特征在于,所述判断模块包括:
滤波处理单元:用于根据所述单边点数和多项式阶次,通过下式对变桨系统待测数据进行滤波处理:
ytest=sgolayfilt(xtest,m,n)
式中:ytest:滤波后的变桨系统待测数据;xtest:滤波前的变桨系统待测数据;所述待测数据是采集5-10秒的待测风电机组上每个叶片的桨距角;
判断单元:用于通过下式判断滤波处理前、后的数据偏差是否超出所述数据偏差范围:
Etest∈Ealarm
式中:Etest:变桨系统待测数据进行滤波前、后的数据偏差;
待测数据偏差单元:用于通过下述确认所述变桨系统待测数据进行滤波前、后的数据偏差:
Etest=ytest-xtest。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711051319.7A CN109723609B (zh) | 2017-10-31 | 2017-10-31 | 一种风电机组变桨系统的故障预警方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711051319.7A CN109723609B (zh) | 2017-10-31 | 2017-10-31 | 一种风电机组变桨系统的故障预警方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109723609A CN109723609A (zh) | 2019-05-07 |
CN109723609B true CN109723609B (zh) | 2021-03-02 |
Family
ID=66293660
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711051319.7A Active CN109723609B (zh) | 2017-10-31 | 2017-10-31 | 一种风电机组变桨系统的故障预警方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109723609B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110967187B (zh) * | 2019-12-11 | 2021-11-09 | 积成电子股份有限公司 | 一种变桨轴承失效的预警方法及系统 |
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 |
CN112112757B (zh) * | 2020-10-09 | 2022-09-06 | 上海电气风电集团股份有限公司 | 变桨系统的防闪断控制方法、系统、设备及介质 |
CN112228290B (zh) * | 2020-10-22 | 2023-05-05 | 华能国际电力股份有限公司 | 一种风力机变桨系统故障智能预警方法 |
CN113236485B (zh) * | 2021-05-26 | 2022-06-21 | 李晓程 | 一种风电机组提高风能利用率的控制方法及其控制系统 |
CN113530763A (zh) * | 2021-06-10 | 2021-10-22 | 北京国电思达科技有限公司 | 一种风电机组叶片零位异常监测方法、系统 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6925385B2 (en) * | 2003-05-16 | 2005-08-02 | Seawest Holdings, Inc. | Wind power management system and method |
US20110066041A1 (en) * | 2009-09-15 | 2011-03-17 | Texas Instruments Incorporated | Motion/activity, heart-rate and respiration from a single chest-worn sensor, circuits, devices, processes and systems |
US8279073B2 (en) * | 2009-09-18 | 2012-10-02 | General Electric Company | Systems, methods, and apparatus for monitoring and controlling a wind driven machine |
CN104533717B (zh) * | 2014-12-12 | 2017-05-03 | 中船重工(重庆)海装风电设备有限公司 | 一种抑制塔架振动方法与系统 |
CN105464912B (zh) * | 2016-01-27 | 2019-02-19 | 国电联合动力技术有限公司 | 一种风力发电机组叶片结冰检测的方法和装置 |
-
2017
- 2017-10-31 CN CN201711051319.7A patent/CN109723609B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109723609A (zh) | 2019-05-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109723609B (zh) | 一种风电机组变桨系统的故障预警方法及系统 | |
CN109296506B (zh) | 一种风电机组的振动检测方法、控制方法及装置 | |
KR101425016B1 (ko) | 풍력터빈의 파워커브 모니터링을 위한 파워커브 리미트 자동 산출 방법 | |
Cambron et al. | Power curve monitoring using weighted moving average control charts | |
CN107742053B (zh) | 风电机组异常识别方法及装置 | |
CN110905732B (zh) | 风电机组风轮不平衡的辨识方法、系统及储存介质 | |
EP2172824B1 (en) | Method and system of wind turbine condition monitoring | |
WO2016086360A1 (en) | Wind farm condition monitoring method and system | |
CN109655200B (zh) | 一种风力发电机组风轮不平衡的诊断方法及系统 | |
CN114893360B (zh) | 风电机组塔筒异常振动识别和运行状态监测方法及系统 | |
CN115453356B (zh) | 一种动力设备运行状态监测分析方法、系统、终端及介质 | |
CN112145373B (zh) | 一种风力发电机测风仪风速的校正方法 | |
US20210148336A1 (en) | A method for determining wind turbine blade edgewise load recurrence | |
CN110578659B (zh) | 一种用于对风电机组scada数据进行处理的系统和方法 | |
CN110083804B (zh) | 基于条件分布回归的风电场scada数据缺失的智能修复方法 | |
CN116975544A (zh) | 基于armax模型的电力系统惯量在线辨识系统与方法 | |
CN111400959B (zh) | 风力发电机组的叶片故障诊断方法及装置 | |
Pandit et al. | Comparison of binned and Gaussian Process based wind turbine power curves for condition monitoring purposes | |
CN114294172A (zh) | 风电机组塔架一阶频率测量方法及装置 | |
CN113090456A (zh) | 一种在大风条件下风电机组桨距角控制方法、系统和设备 | |
McKinnon et al. | Comparison of novel SCADA data cleaning technique for wind turbine electric pitch system | |
CN113420816B (zh) | 一种针对全光谱水质监测设备的数据异常值确定方法 | |
CN112240267A (zh) | 基于风速相关性与风功率曲线的风机监测方法 | |
CN110661261A (zh) | 一种用于低频振荡在线分析的pmu数据处理方法及装置 | |
CN112459970B (zh) | 一种运用数据对抗学习的风电机组异常检测方法 |
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 |