CN109973329A - 风力发电机机舱变频器柜温度异常的判断方法 - Google Patents

风力发电机机舱变频器柜温度异常的判断方法 Download PDF

Info

Publication number
CN109973329A
CN109973329A CN201811618242.1A CN201811618242A CN109973329A CN 109973329 A CN109973329 A CN 109973329A CN 201811618242 A CN201811618242 A CN 201811618242A CN 109973329 A CN109973329 A CN 109973329A
Authority
CN
China
Prior art keywords
frequency
data
charger cabinet
cabinet temperature
temperature
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
CN201811618242.1A
Other languages
English (en)
Other versions
CN109973329B (zh
Inventor
孙绪江
吴广超
马彦
臧芳
随德光
郑雷
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.)
DATANG XIANGYANG WIND POWER GENERATION Co.,Ltd.
Original Assignee
Integrated Electronic Systems Lab Co Ltd
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 Integrated Electronic Systems Lab Co Ltd filed Critical Integrated Electronic Systems Lab Co Ltd
Priority to CN201811618242.1A priority Critical patent/CN109973329B/zh
Publication of CN109973329A publication Critical patent/CN109973329A/zh
Application granted granted Critical
Publication of CN109973329B publication Critical patent/CN109973329B/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

Abstract

本发明涉及一种风力发电机机舱变频器柜温度异常的判断方法，读取判断机舱变频器柜温度异常所需要的相关数据；数据处理，对有功功率值取整、获得时间的小时部分；数据训练，计算出每小时、每100kW的机舱变频器柜温度置信区间估计，分别计算每台机组温度瞬时值与温度置信区间估计上下限的两个差值，并进行比对；结果输出，输出对应的机组编号、结合故障处理方法形成预警工单。本发明综合分析判断降低误报率，提前判断隐患避免故障停机，避免了因取样时间和地区不同造成的判断结果偏差，置信区间估计对时间、空间的分布特性具有良好统计功能。

Description

风力发电机机舱变频器柜温度异常的判断方法
技术领域
本发明属于风力发电机设备维护技术领域，具体涉及一种风力发电机机舱变频器柜温度异常的判断方法。
背景技术
风力发电将自然风能转化为电能，并网后供用户使用，为保证风电质量和便于统一配送，在并网输送前需要采用变频技术对风电进行加工处理。风力发电机主要有双馈式风力发电机和直驱式风力发电机，他们都需要通过变频器介入电网。变频器是电力电子装置，内含电子元件、电解电容等，变频器柜的温度对其寿命有较大的影响。
关于风力发电机机舱内部的一些部件散热问题，国外的研究起步较早。大部分研究的焦点聚集在对发电机、齿轮箱等大部件的散热问题上，对于机舱内一些控制柜散热的研究较少。在国内，风力发电机机舱内部件的散热研究尚处于起步阶段，也主要集中在对机舱内的大部件以及机舱整体散热问题进行研究。主要方法是当机舱中的变频器柜温度超过一定阈值，机组通常会采取自我保护机制而强制停机。这样的方法缺点是依靠单独数据点的判断，存在较多误报，进而影响到风力发电机的发电量。一般设备的温度变化属于渐进变化，随着时间积累完成，在达到某种严重故障前都有数据趋势以及数据特征，因此，为保障机组的发电量、同时保证保护风力发电机安全，需要增加对变频器柜温度异常提前预警、作为温度超限故障的补充是很有必要而且具有可行性的。
从实际运行角度，变频器柜温度异常是多种工况条件导致的，机组功率的状态不确定，缺乏对机组工况的考虑，不同机组间功率情况差异大，功率数据以及对应的温度数据之间的关系不稳定，都会带来误报率的增加。因此结合相关的变量以及一定历史数据量的综合分析，通过增加对风力发电机机组运行时工况信息的考虑，包括不同运行时间长度、不同功率段对变频器温度变化带来的影响等，更能够提高判断的准确率，进而判断出故障隐患，避免后期故障发生，机组停机影响发电量。
发明内容
为解决上述技术问题，本发明通过分析多台风机运行工况，增加运行时间与有功功率为分析变量，综合判断风力发电机机舱变频器柜温度异常的情况。本发明所采用的技术方案如下：
风力发电机机舱变频器柜温度异常的判断方法，包括以下步骤：
步骤1、读取判断机舱变频器柜温度异常所需要的相关数据；
步骤2、数据处理，对每一条数据中的有功功率值除以100后向下取整，截取日期的小时部分、去除分钟及之后时间部分，获得时间的小时部分；
步骤3、数据训练，计算出所有样本的每小时、每100kW的机舱变频器柜温度置信区间估计，分别计算样本中每台机组温度瞬时值与总体样本对应时段和功率段的温度置信区间估计上下限的两个差值，并进行比对；
步骤4、结果输出，根据比对结果，对温度瞬时值异常的被检测机组、输出对应的机组编号、结合故障处理方法形成预警工单。
本发明的有益效果：
1)增加运行时长、有功功率变量作为分析条件，多台风机连续时间(连续运行12小时)数据作为分析样本，综合分析判断，降低误报率。相对于目前使用单台机组单点判断的解决方案，结合实际工况求取采样机组中所有风机的每小时、每100kW的机舱变频器柜温度置信区间估计作为判断基础，综合判断机舱变频器柜温度是否存在异常，可以降低误报率发生。
2)提前判断隐患，避免故障停机。本发明可以提前发现机舱变频器柜温度异常隐患以及趋势，避免隐患加剧发展带来故障发生，从而影响发电量。
3)采用样本中每台机组温度瞬时值与总体样本对应时段和功率段的温度置信区间估计比较方法，判断依据为总体样本与样本中单台机组，保证影响因素的单一性。本发明最终通过比较被检测机组温度瞬时值与总体样本对应时段和功率段的温度置信区间估计来判断机组机舱变频器柜温度是否异常，保证了取样的一致性，避免了因取样时间和地区不同造成的判断结果偏差。
4)本发明采用的置信区间估计是均值加减标准差做上下限，得到一个估计区间。然后用估计区间的上下限值跟阈值对比，区间上或下限超过阈值即判断为温度异常。置信区间估计对时间、空间的分布特性具有良好统计功能，传统方法是点估计也就是单一地均值计算，缺少对分布特性的描述。
附图说明
图1是变频器柜的温度异常判断流程示意图。
具体实施方式
下面结合附图，具体说明本发明的实施方式。
如图1所示，是变频器柜的温度异常判断流程示意图。风力发电机机舱变频器柜温度异常的判断方法，包括以下步骤：
步骤1、读取判断机舱变频器柜温度异常所需要的相关数据；
进一步地，所需要的相关数据包括：数据采集时间、风力发电机编号、机舱变频器柜温度、有功功率。数据样本的采集频率需要在0.2Hz至1Hz，并且采集到的数据的时间戳要一致。
步骤2、数据处理：
S2.1、获取多台需要检验的风力发电机组并网运行连续时间超过12小时的数据，去除空值数据，当数据量低于32条，则舍弃采集数据，进行新样本数据采集。
根据统计学中对大数的定义，超过32的采样计算后的统计指标会比较稳定。样本量太少会引起因为采样带来的不稳定性。
S2.2、每一条数据中有一个有功功率值，对每个有功功率值按照100kW为单位进行取整处理，有功功率值除以100后进行向下取整，得到一个处理后的整数功率值。例如342kW取整处理后为300kW，最后可以获得一组数列，比如：100kW,200kW,300kW,400kW……所获得的数列并不是保证从100KW开始向后是连续的，采集的数据中功率是多少就是多少。
为更加直观地理解本步骤的实施方式，下面举例说明如下：
采集的数据每一条记录会包含数据采集时间、风力发电机编号、机舱变频器柜温度和有功功率，例如其中一条记录为：2018-12-2514:13:20 1 23 345，其中1代表是1号风机，23代表该时刻该风机的机舱变频器柜温度为23度，345代表该时刻该风机的有功功率为345kW，数据采集完之后会有很多条类似的数据。
如果数据采集时间是从2018-12-25 00:00:00开始，那么上述数据记录在时间上属于15hour，将数据中的功率按照上面的方法处理得到一个处理后的功率为300kW，可以知道该条记录中的温度属于下面列表1的第3行第15列。
将所有采集到的数据按照上述过程对温度进行分组，然后将列表中每个单元格的温度做一个置信区间估计(置信区间估计的方法见下文)，会得到最终的样本表。
S2.3、截取日期的小时部分，去除分钟及之后时间部分，获得时间的小时部分：1hour，2hour，3hour，4hour，5hour，6hour，7hour，……。
步骤3、数据训练：
S3.1、按照处理后有功功率、处理后的时间为组，计算出所有样本的每小时、每100kW的机舱变频器柜温度置信区间估计，取置信度为95％，统计计算公式为:
Temmin＝Temmean-1.96Temstd；
Temmax＝Temmean+1.96Temstd。
其中Temmin指估计区间下限，Temmax指估计区间上限，Temmean指所有样本的每小时、每100kW机舱变频器柜温度的样本均值，Temstd指所有样本的每小时、每100kW机舱变频器柜温度样本的标准差，系数1.96表示对应置信度为95％的权重。
针对温度等具有一定变动性的数据，单一均值的点估计计算方法缺少对整体分布的信息提取，置信区间估计可以弥补点估计的缺点，更好地描述温度在一定时间空间的分布情况，从而更准确地吻合设备温度空间时间分布特性。结果如下表1：
组别 1hour 2hour 3hour 4hour …
100kW [Tem<sub>11min</sub>,Tem<sub>11max</sub>] [Tem<sub>21min</sub>,Tem<sub>21max</sub>] [Tem<sub>31min</sub>,Tem<sub>31max</sub>] [Tem<sub>41min</sub>,Tem<sub>41max</sub>]
200kW [Tem<sub>12min</sub>,Tem<sub>12max</sub>] [Tem<sub>22min</sub>,Tem<sub>22max</sub>] [Tem<sub>32min</sub>,Tem<sub>32max</sub>] [Tem<sub>42min</sub>,Tem<sub>42max</sub>]
300kW [Tem<sub>13min</sub>,Tem<sub>13max</sub>] [Tem<sub>23min</sub>,Tem<sub>23max</sub>] [Tem<sub>33min</sub>,Tem<sub>33max</sub>] [Tem<sub>43min</sub>,Tem<sub>43max</sub>]
400kW [Tem<sub>14min</sub>,Tem<sub>14max</sub>] [Tem<sub>24min</sub>,Tem<sub>24max</sub>] [Tem<sub>34min</sub>,Tem<sub>34max</sub>] [Tem<sub>44min</sub>,Tem<sub>44max</sub>]
500kW [Tem<sub>15min</sub>,Tem<sub>15max</sub>] [Tem<sub>25min</sub>,Tem<sub>25max</sub>] [Tem<sub>35min</sub>,Tem<sub>35max</sub>] [Tem<sub>45min</sub>,Tem<sub>45max</sub>]
600kW [Tem<sub>16min</sub>,Tem<sub>16max</sub>] [Tem<sub>26min</sub>,Tem<sub>26max</sub>] [Tem<sub>36min</sub>,Tem<sub>36max</sub>] [Tem<sub>46min</sub>,Tem<sub>46max</sub>]
…
表1：机组机舱变频器柜置信区间估计
说明：表1仅仅是一个示例性的说明，并不代表本实施例的最终真实结果。表1中最后一行或者一列没有结束条件，主要依据于采样的最后时间、以及采样所得到的有功功率值。
S3.2、分别计算样本中每台机组温度瞬时值与总体样本对应时段和功率段的温度置信区间估计上下限(表1对应温度置信区间估计)的两个差值，与下限的差值和阈值Tmin比对，与上限的差值和阈值Tmax进行比对。
S3.3、判断是否有一个温度瞬时值与总体样本对应时段和功率段的温度置信区间下限的差值超过阈值Tmin、或与上限的差值超过阈值Tmax，如果否、转下一步，如果是、转步骤4。
S3.4、判断是否所有机组数据都比较完毕，如果否、转步骤3.1，如果是、结束本次风力发电机机舱变频器柜温度异常流程。
步骤4、结果输出：
被检测机组只要有一个温度瞬时值与总体样本对应时段和功率段的温度置信区间下限的差值超过阈值Tmin或与上限的差值超过阈值Tmax，则判断风力发电机机舱变频器柜温度异常、输出对应的机组编号、结合故障处理方法形成预警工单。

Claims (6)

1.风力发电机机舱变频器柜温度异常的判断方法，其特征在于，包括以下步骤：
步骤1、读取判断机舱变频器柜温度异常所需要的相关数据；
步骤2、数据处理，对每一条数据中的有功功率值除以100后向下取整，截取日期的小时部分、去除分钟及之后时间部分，获得时间的小时部分；
步骤3、数据训练，计算出所有样本的每小时、每100kW的机舱变频器柜温度置信区间估计，分别计算样本中每台机组温度瞬时值与总体样本对应时段和功率段的温度置信区间估计上下限的两个差值，并进行比对；
步骤4、结果输出，根据比对结果，对温度瞬时值异常的被检测机组、输出对应的机组编号、结合故障处理方法形成预警工单。
2.根据权利要求1所述的风力发电机机舱变频器柜温度异常的判断方法，其特征在于，步骤2所述的数据处理具体包括以下步骤：
S2.1、获取多台需要检验的风力发电机组并网运行连续时间超过12小时的数据，去除空值数据，当数据量低于32条，则舍弃采集数据，进行新样本数据采集；
S2.2、对每个有功功率值按照100kW为单位进行取整处理，有功功率值除以100后进行向下取整，得到一个处理后的整数功率值，最后获得一组数列；
S2.3、截取日期的小时部分，去除分钟及之后时间部分，获得时间的小时部分。
3.根据权利要求2所述的风力发电机机舱变频器柜温度异常的判断方法，其特征在于，步骤3所述的数据训练具体包括以下步骤：
S3.1、按照处理后有功功率、处理后的时间为组，计算出所有样本的每小时、每100kW的机舱变频器柜温度置信区间估计，取置信度为95％，统计计算公式为:
Temmin＝Temmean-1.96Temstd；
Temmax＝Temmean+1.96Temstd；
S3.2、分别计算样本中每台机组温度瞬时值与总体样本对应时段和功率段的温度置信区间估计上下限的两个差值，与下限的差值和阈值Tmin比对，与上限的差值和阈值Tmax进行比对；
S3.3、判断是否有一个温度瞬时值与总体样本对应时段和功率段的温度置信区间下限的差值超过阈值Tmin、或与上限的差值超过阈值Tmax，如果否、转下一步，如果是、转步骤4；
S3.4、判断是否所有机组数据都比较完毕，如果否、转步骤3.1，如果是、结束本次风力发电机机舱变频器柜温度异常流程。
4.根据权利要求3所述的风力发电机机舱变频器柜温度异常的判断方法，其特征在于，步骤4所述的结果输出的结果判断规则如下：
被检测机组只要有一个温度瞬时值与总体样本对应时段和功率段的温度置信区间下限的差值超过阈值Tmin、或与上限的差值超过阈值Tmax，则判断风力发电机机舱变频器柜温度异常、输出对应的机组编号、结合故障处理方法形成预警工单。
5.根据权利要求1－4任一项所述的风力发电机机舱变频器柜温度异常的判断方法，其特征在于，步骤1读取判断机舱变频器柜温度异常所需要的相关数据包括：数据采集时间、风力发电机编号、机舱变频器柜温度、有功功率。
6.根据权利要求5所述的风力发电机机舱变频器柜温度异常的判断方法，其特征在于，数据样本的采集频率需要在0.2Hz至1Hz，并且采集到的数据的时间戳要一致。
CN201811618242.1A 2018-12-27 2018-12-27 风力发电机机舱变频器柜温度异常的判断方法 Active CN109973329B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811618242.1A CN109973329B (zh) 2018-12-27 2018-12-27 风力发电机机舱变频器柜温度异常的判断方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811618242.1A CN109973329B (zh) 2018-12-27 2018-12-27 风力发电机机舱变频器柜温度异常的判断方法

Publications (2)

Publication Number Publication Date
CN109973329A true CN109973329A (zh) 2019-07-05
CN109973329B CN109973329B (zh) 2020-09-25

Family

ID=67076500

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811618242.1A Active CN109973329B (zh) 2018-12-27 2018-12-27 风力发电机机舱变频器柜温度异常的判断方法

Country Status (1)

Country Link
CN (1) CN109973329B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110378042A (zh) * 2019-07-23 2019-10-25 山东大学 基于scada数据的风电机组齿轮箱油温异常检测方法及系统
CN112114571A (zh) * 2020-09-24 2020-12-22 中冶赛迪重庆信息技术有限公司 一种工业数据处理方法、系统及设备
CN112196733A (zh) * 2020-11-05 2021-01-08 华能新能源上海发电有限公司 一种风力发电机组自耗电控制方法
CN112924044A (zh) * 2021-01-26 2021-06-08 上海精普机电科技有限公司 升降调节式双金属温度计
CN114893362A (zh) * 2022-05-26 2022-08-12 中国华能集团清洁能源技术研究院有限公司 一种评估潜在退役风机叶片时空分布的方法和系统
CN115949560A (zh) * 2023-03-15 2023-04-11 中车山东风电有限公司 自适应控制风电机组机舱温度的方法、装置、设备、介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104131950A (zh) * 2014-07-24 2014-11-05 重庆大学 一种风电机组温度特征量的阈值分区确定方法
US20160153425A1 (en) * 2014-12-01 2016-06-02 General Electric Company System and method for controlling a wind turbine during adverse wind conditions
CN106870297A (zh) * 2017-02-10 2017-06-20 国电联合动力技术有限公司 一种基于时间序列聚类诊断风力发电机主轴承故障的方法
CN108897954A (zh) * 2018-06-29 2018-11-27 龙源（北京）风电工程技术有限公司 基于BootStrap置信度计算的风电机组温度预警方法及其系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104131950A (zh) * 2014-07-24 2014-11-05 重庆大学 一种风电机组温度特征量的阈值分区确定方法
US20160153425A1 (en) * 2014-12-01 2016-06-02 General Electric Company System and method for controlling a wind turbine during adverse wind conditions
CN106870297A (zh) * 2017-02-10 2017-06-20 国电联合动力技术有限公司 一种基于时间序列聚类诊断风力发电机主轴承故障的方法
CN108897954A (zh) * 2018-06-29 2018-11-27 龙源（北京）风电工程技术有限公司 基于BootStrap置信度计算的风电机组温度预警方法及其系统

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110378042A (zh) * 2019-07-23 2019-10-25 山东大学 基于scada数据的风电机组齿轮箱油温异常检测方法及系统
CN112114571A (zh) * 2020-09-24 2020-12-22 中冶赛迪重庆信息技术有限公司 一种工业数据处理方法、系统及设备
CN112196733A (zh) * 2020-11-05 2021-01-08 华能新能源上海发电有限公司 一种风力发电机组自耗电控制方法
CN112924044A (zh) * 2021-01-26 2021-06-08 上海精普机电科技有限公司 升降调节式双金属温度计
CN114893362A (zh) * 2022-05-26 2022-08-12 中国华能集团清洁能源技术研究院有限公司 一种评估潜在退役风机叶片时空分布的方法和系统
CN114893362B (zh) * 2022-05-26 2023-04-21 中国华能集团清洁能源技术研究院有限公司 一种评估潜在退役风机叶片时空分布的方法和系统
CN115949560A (zh) * 2023-03-15 2023-04-11 中车山东风电有限公司 自适应控制风电机组机舱温度的方法、装置、设备、介质

Also Published As

Publication number Publication date
CN109973329B (zh) 2020-09-25

Similar Documents

Publication Publication Date Title
CN109973329A (zh) 风力发电机机舱变频器柜温度异常的判断方法
CN104131950B (zh) 一种风电机组温度特征量的阈值分区确定方法
CN105275742B (zh) 一种风电机组自适应环境的控制方法
CN109670400B (zh) 一种水电机组开机过程稳定性状态评价方法
CN103647276A (zh) 一种电能质量预警系统及其方法
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系统
CN106786665B (zh) 一种发电机组一次调频性能异常在线统计分析方法
CN111082455A (zh) 一种风电场并网性能监测方法及系统
CN109933905A (zh) 一种基于多维预警分析的机械设备健康状态评估方法
CN108475929A (zh) 用于控制风力发电厂的方法
CN105825002B (zh) 一种基于动态灰关联分析法的风电场动态等值建模方法
CN112018784B (zh) 一种基于同步相量测量数据的次同步谐振溯源方法
CN103475021A (zh) 一种基于统计模型的风电场弃风电量确定方法
CN105825315A (zh) 一种电能质量预警方法
CN107654342A (zh) 一种考虑湍流的风电机组功率异常的检测方法
CN102708259A (zh) 一种基于频域法的发电机组励磁系统建模方法
CN115263680A (zh) 一种结合tf-idf和lstm模型的变桨电机异常温升预警方法
CN113572156B (zh) 一种基于功率谱密度的电力系统等效惯量评估方法
CN115065167B (zh) 新能源场站一次调频在线监测系统
CN115719975A (zh) 一种风电场等效虚拟惯量常数在线评估方法、装置及存储介质
CN115829411A (zh) 一种海上风电机组运行状态评估方法及评估系统
CN110222393A (zh) 基于细粒度风电发电状态划分的风机叶片结冰异常监测方法
Wang et al. Evaluation method of wind turbine group classification based on Calinski Harabasz
CN113848347A (zh) 一种风力发电机测风仪健康状态检测方法

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
TR01 Transfer of patent right

Effective date of registration: 20201222

Address after: No.3195, Yushan Road, Changchun high tech Industrial Development Zone, Jilin Province

Patentee after: DATANG XIANGYANG WIND POWER GENERATION Co.,Ltd.

Address before: No.1677 Kehang Road, Jinan, Shandong 250100

Patentee before: INTEGRATED ELECTRONIC SYSTEMS LAB Co.,Ltd.

TR01 Transfer of patent right