CN111159885B - 一种基于曲线拟合的风机参数离散率异常分析方法 - Google Patents
一种基于曲线拟合的风机参数离散率异常分析方法 Download PDFInfo
- Publication number
- CN111159885B CN111159885B CN201911377393.7A CN201911377393A CN111159885B CN 111159885 B CN111159885 B CN 111159885B CN 201911377393 A CN201911377393 A CN 201911377393A CN 111159885 B CN111159885 B CN 111159885B
- Authority
- CN
- China
- Prior art keywords
- power
- fan
- operation parameters
- day
- same
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 13
- 238000010248 power generation Methods 0.000 claims abstract description 26
- 230000005856 abnormality Effects 0.000 claims abstract description 9
- 238000005070 sampling Methods 0.000 claims description 46
- 239000006185 dispersion Substances 0.000 claims description 19
- 238000012937 correction Methods 0.000 claims description 13
- 238000012935 Averaging Methods 0.000 claims description 12
- 238000010586 diagram Methods 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 3
- 238000000034 method Methods 0.000 abstract description 13
- 230000002159 abnormal effect Effects 0.000 abstract description 8
- 230000007774 longterm Effects 0.000 abstract description 3
- 238000012360 testing method Methods 0.000 abstract description 2
- 102000006463 Talin Human genes 0.000 description 1
- 108010083809 Talin Proteins 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Landscapes
- Control Of Positive-Displacement Air Blowers (AREA)
Abstract
本发明公开一种基于曲线拟合的风机参数离散率异常分析方法,通过将风机的发电功率与各运行参数的相对运行情况进行综合考量,从而发现异常参数,而不是简单的设置一个绝对限值来判定异常,从而能更客观地评判风机参数的运行状况。本方法可根据运行人员的经验灵活地调整统计周期和离散率限值,使统计结果更加精确。经过长期的运行试验证明,本方法的报警准确率高,能准确的发现风机潜在的风险隐患,通过报警,提醒工作人员检修,可避免进一步的安全隐患发生,从而保证了机组的整体安全稳定运行。
Description
技术领域:
本发明涉及风电领域,尤其涉及一种基于曲线拟合的风机参数离散率异常分析方法。
背景技术:
在风力发电行业中,风机的安全稳定运行关系到整个机组的连续可靠运行,所以,需要对风机的关键运行参数(如风机齿轮箱油温、发电机驱动侧轴承温度、非驱动侧轴承温度等)进行实时监测,以便能发现风机潜在的问题。目前,大部分风力发电厂均是通过对各项运行参数设置报警限值,一旦实时监测到的某项运行参数超过对应的报警限值,就会自动报警提醒工作人员进行检修。但是,对于各项运行参数,设置合适的报警限值存在较大难度,报警限值设置的太大,导致无法准确的报警,当出现越限报警时,风机的实际运行参数与正常值已经偏离很高,容易造成较大的安全隐患;报警限值设置的太小,又会导致频繁报警,出现误报警的频率太高;而且,风机在运行时,其发电功率对于各项运行参数会有所影响,对于发电功率较高的风机,其各项运行参数均会偏高,如此,上述简单的设定报警限制的方法,就会导致无法将功率对各项运行参数的影响因素考虑在内,致使报警错误率高,无法真正有效、准确的进行报警,无法保证机组的整体安全稳定运行。
发明内容:
本发明的目的在于提供一种安全可靠、准确的基于曲线拟合的风机参数离散率异常分析方法。
本发明由如下技术方案实施:
一种基于曲线拟合的风机参数离散率异常分析方法,包括以下步骤:
S1、建立相同型号风机运行参数与发电功率对应的标准拟合曲线,通过标准拟合曲线获得各个采样点的发电功率所在功率步长对应的运行参数的标准参照值;
S2、根据一台风机在一天中所有采样点对应的发电功率、运行参数以及根据步骤S1所确定的标准参照值,计算当天该台风机的离散率;
S3、将步骤S2中得到的当天该台风机的离散率与对应的设定的离散率限值进行比较,若超出设定的离散率限值,则认为该台风机存在异常隐患,需报警。
进一步的,所述步骤S1包括以下步骤:
S11、根据同一项目中相同型号的所有风机在一天中每个采样点对应的运行参数和发电功率,确定该型号风机的发电功率与运行参数对应的日拟合曲线;
S12、根据近30天内,由步骤S11所得到的该型号风机对应的日拟合曲线,确定该型号风机的发电功率与运行参数对应的月拟合曲线,作为标准拟合曲线。
进一步的,所述步骤S11包括以下步骤:
S111、获取当天同一项目中相同型号的所有风机在每个采样点对应的运行参数和发电功率;
S112、将步骤S111中获得的每台风机的数据,分别建立独立的坐标系,将风机在每个采样点对应的运行参数和发电功率分别在相对应风机的坐标系中示意,且x轴为发电功率,y轴为对应的运行参数;
S113、将该型号风机的发电功率按固定功率步长进行区间划分,将各采样点对应的离散的发电功率和运行参数均映射到对应的功率步长上,得到各功率步长上的运行参数的散点图;
S114、将同一功率步长上的运行参数的所有离散值求平均,将各个求得的平均值作为各功率步长对应的平均运行参数;
S115、将同型号的所有风机对应的同一功率步长上的平均运行参数再次求平均,将求得的平均值顺次连接,得到该型号风机的发电功率与运行参数对应的日拟合曲线。
进一步的,所述步骤S12包括以下步骤:将近30天内,同型号所有风机对应日拟合曲线中,同一功率步长上的运行参数求平均,将求得的平均值顺次连接,得到该型号风机的发电功率与运行参数对应的月拟合曲线。
进一步的,所述步骤S2包括以下步骤:
S21、计算一台风机在一天中第i个采样点的离散率Si:将风机在第i个采样点对应的运行参数代入公式(1)中,即可求得Si;
其中,Xi为该风机在该采样点对应的运行参数,即为由步骤S1确定的该采样点的发电功率所在功率步长对应的运行参数的标准参照值,n为一天中采样点的数量;
S22、对步骤S21中求得的Si进行修正处理:
当Si≥0时,Si修正=Si;
当Si<0时,Si修正=0;
S23、计算该风机在当天的离散率S:将一天中每个采样点对应的Si修正代入公式(2)中求平均,即得到S;
其中,n为一天中采样点的数量。
本发明的优点:
本方法是通过将风机的发电功率与各运行参数的相对运行情况进行综合考量,从而发现异常参数,而不是简单的设置一个绝对限值来判定异常,从而能更客观地评判风机参数的运行状况。本方法可根据运行人员的经验灵活地调整统计周期和离散率限值,使统计结果更加精确。本方法已针对13种机型的1136台风机,定时进行7种关键参数的异常分析,包括齿轮箱油温、齿轮箱低速轴承温度、齿轮箱高速轴承温度、发电机驱动侧轴承温度、发电机非驱动侧轴承温度、主轴前轴承温度、主轴后轴承温度。经过长期的运行试验证明,本方法的报警准确率高,能准确的发现风机潜在的风险隐患,通过报警,提醒工作人员检修,可避免进一步的安全隐患发生,从而保证了机组的整体安全稳定运行。
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简单地介绍,显而易见地,下面描述中的附图仅仅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的前提下,还可以根据这些附图获得其他的附图。
图1为10月1号001号风机各功率步长上的运行参数的散点图;
图2为10月1号型号为CCWE1500-82.DF的所有风机的发电功率与运行参数对应的日拟合曲线;
图3为2019年9月1日——2019年9月30日型号为CCWE1500-82.DF的所有风机的标准拟合曲线;
图4为10月23日33号风机的齿轮箱高速轴承温度对应的运行曲线截图及和相邻风机的曲线对比图。
具体实施方式:
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,所描述的实施例仅仅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。
实施例1:
一种基于曲线拟合的风机参数离散率异常分析方法,包括以下步骤:
S1、建立相同型号风机运行参数与发电功率对应的标准拟合曲线,通过标准拟合曲线获得各个采样点的发电功率所在功率步长对应的运行参数的标准参照值;
具体的,
S11、根据同一项目中相同型号的所有风机在一天中每个采样点对应的运行参数和发电功率,确定该型号风机的发电功率与运行参数对应的日拟合曲线;
具体的,
S111、获取当天同一项目中相同型号的所有风机在每个采样点对应的运行参数和发电功率;
S112、将步骤S111中获得的每台风机的数据,分别建立独立的坐标系,将风机在每个采样点对应的运行参数和发电功率分别在相对应风机的坐标系中示意,且x轴为发电功率,y轴为对应的运行参数;
S113、将该型号风机的发电功率按固定功率步长进行区间划分,将各采样点对应的离散的发电功率和运行参数均映射到对应的功率步长上,得到各功率步长上的运行参数的散点图;
S114、将同一功率步长上的运行参数的所有离散值求平均,将各个求得的平均值作为各功率步长对应的平均运行参数;
S115、将同型号的所有风机对应的同一功率步长上的平均运行参数再次求平均,将求得的平均值顺次连接,得到该型号风机的发电功率与运行参数对应的日拟合曲线。
S12、根据近30天内,由步骤S11所得到的该型号风机对应的日拟合曲线,确定该型号风机的发电功率与运行参数对应的月拟合曲线,作为标准拟合曲线;
具体的,将近30天内,同型号所有风机对应日拟合曲线中,同一功率步长上的运行参数求平均,将求得的平均值顺次连接,得到该型号风机的发电功率与运行参数对应的月拟合曲线。
S2、根据一台风机在一天中所有采样点对应的发电功率、运行参数以及根据步骤S1所确定的标准参照值,计算当天该台风机的离散率;
具体的,
S21、计算一台风机在一天中第i个采样点的离散率Si:将风机在第i个采样点对应运行参数代入公式(1)中,即可求得Si;
其中,Xi为该风机在该采样点对应的运行参数,即为由步骤S1确定的该采样点的发电功率所在功率步长对应的运行参数的标准参照值,n为一天中采样点的数量;
S22、对步骤S21中求得的Si进行修正处理:
当Si≥0时,Si修正=Si;
当Si<0时,Si修正=0;
S23、计算该风机在当天的离散率S:将一天中每个采样点对应的Si修正代入公式(2)中求平均,即得到S;
其中,n为一天中采样点的数量。
S3、将步骤S2中得到的当天该台风机的离散率与对应的设定的离散率限值进行比较,若超出设定的离散率限值,则认为该台风机存在异常隐患,需报警。
本实施例中,以塔林花罕山二期中型号为华创CCWE1500的风机为例,对该项目该机型的齿轮箱高速轴承温度参数进行异常分析。首先,获取当天所有该机型的每个采样点对应的齿轮箱高速轴承温度和发电功率,以10月1日001号风机为例,获取其对应的齿轮箱油温和发电功率,采样间隔为1分钟,将采样得到的数据在同一坐标系中示意,且x轴为发电功率,y轴为对应的运行参数。将发电功率按50KW的步长进行区间划分,将各采样点对应的离散的发电功率和运行参数均映射到对应的功率步长上,得到各功率步长上的运行参数的散点图,如图1所示;将同一功率步长上的运行参数的所有离散值求平均,将各个求得的平均值作为各功率步长对应的平均运行参数;再将所有该机型的风机对应的同一功率步长上的平均运行参数再次求平均,将求得的平均值顺次连接,得到所有该机型的风机的发电功率与运行参数对应的日拟合曲线,如图2所示。
其次,将近30天(即2019年9月1日——2019年9月30日)的罕山二期、型号为CCWE1500-82.DF的所有风机对应的日拟合曲线中,同一功率步长上的运行参数求平均,将求得的平均值顺次连接,得到所有风机的发电功率与运行参数对应的月拟合曲线,作为标准拟合曲线,如图3所示。
然后,将标准拟合曲线中每一功率步长对应的运行参数作为该功率步长对应的运行参数的标准参照值,参见表1。
之后,以2019年10月1日0点0分的采样点为例,该采样点的对应的齿轮箱高速轴承温度为43.6,功率值为1367.1,将1367.1按50KW的区间步长进行切分处理,得到切分值为1350,从表1中查到1350对应的温度标准参照值为61.64191854,则该点离散率为该值<0,表示该点温度低于标准参照值,在实际生产过程中,对于这种情况不予关注,为了避免在计算全天离散率时对其他正值离散率的影响,若离散率小于0,则将其进行修正,设置为0。因此最后设置的Sn修正=0。
依次计算10月1日所有采样点的离散率,然后将所有采样点的离散率进行加和平均,即得到该风机该天的离散率
最后,将得到的离散率与根据经验对每个运行参数设置的离散率限值进行比较,若某一参数在某一天的离散率超过了设定的限值,则认为该运行参数较为异常,判断风机存在异常隐患,就会进行报警。
根据上述的方法,可对风机的7种关键参数的异常分析,包括齿轮箱油温、齿轮箱低速轴承温度、齿轮箱高速轴承温度、发电机驱动侧轴承温度、发电机非驱动侧轴承温度、主轴前轴承温度、主轴后轴承温度。各运行参数对应的离散率限值参见表2。
经过长期的运行,本发明的方法能较为精准的发出报警,误报警率极低,比如,在10月21日—10月29日的异常参数分析过程中,发现33号风机在该时间段内的齿轮箱高速轴承温度平均值为69.71,最大值为90.00,同机型的项目平均标准参照值为49.97,平均离散率为34.17%,超过了设定限值18%,故判定为该风机存在异常,图4为该风机在该段时间内的运行曲线截图及和相邻风机的曲线对比图,经工作人员检修发现,该风机确实存在异常。
表1 9月1日——2019年9月30日每一功率步长对应的齿轮箱高速轴承温度标准参照值
表2各运行参数对应的离散率限值
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (1)
1.一种基于曲线拟合的风机参数离散率异常分析方法,其特征在于,包括以下步骤:
S1、建立相同型号风机运行参数与发电功率对应的标准拟合曲线,通过标准拟合曲线获得各个采样点的发电功率所在功率步长对应的运行参数的标准参照值;
S2、根据一台风机在一天中所有采样点对应的发电功率、运行参数以及根据步骤S1所确定的标准参照值,计算当天该台风机的离散率;
S3、将步骤S2中得到的当天该台风机的离散率与对应的设定的离散率限值进行比较,若超出设定的离散率限值,则认为该台风机存在异常隐患,报警;
所述步骤S1包括以下步骤:
S11、根据同一项目中相同型号的所有风机在一天中每个采样点对应的运行参数和发电功率,确定该型号风机的发电功率与运行参数对应的日拟合曲线;
S12、根据近30天内,由步骤S11所得到的该型号风机对应的日拟合曲线,确定该型号风机的发电功率与运行参数对应的月拟合曲线,作为标准拟合曲线;
所述步骤S11包括以下步骤:
S111、获取当天同一项目中相同型号的所有风机在每个采样点对应的运行参数和发电功率;
S112、将步骤S111中获得的每台风机的数据,分别建立独立的坐标系,将风机在每个采样点对应的运行参数和发电功率分别在相对应风机的坐标系中示意,且x轴为发电功率,y轴为对应的运行参数;
S113、将该型号风机的发电功率按固定功率步长进行区间划分,将各采样点对应的离散的发电功率和运行参数均映射到对应的功率步长上,得到各功率步长上的运行参数的散点图;
S114、将同一功率步长上的运行参数的所有离散值求平均,将各个求得的平均值作为各功率步长对应的平均运行参数;
S115、将同型号的所有风机对应的同一功率步长上的平均运行参数再次求平均,将求得的平均值顺次连接,得到该型号风机的发电功率与运行参数对应的日拟合曲线;
所述步骤S12包括以下步骤:将近30天内,同型号所有风机对应日拟合曲线中,同一功率步长上的运行参数求平均,将求得的平均值顺次连接,得到该型号风机的发电功率与运行参数对应的月拟合曲线;
所述步骤S2包括以下步骤:
S21、计算一台风机在一天中第i个采样点的离散率Si:将风机在第i个采样点对应的运行参数代入公式(1)中,即可求得Si;
其中,Xi为该风机在该采样点对应的运行参数,即为由步骤S1确定的该采样点的发电功率所在功率步长对应的运行参数的标准参照值,n为一天中采样点的数量;
S22、对步骤S21中求得的Si进行修正处理:
当Si≥0时,Si修正=Si;
当Si<0时,Si修正=0;
S23、计算该风机在当天的离散率S:将一天中每个采样点对应的Si修正代入公式(2)中求平均,即得到S;
其中,n为一天中采样点的数量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911377393.7A CN111159885B (zh) | 2019-12-27 | 2019-12-27 | 一种基于曲线拟合的风机参数离散率异常分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911377393.7A CN111159885B (zh) | 2019-12-27 | 2019-12-27 | 一种基于曲线拟合的风机参数离散率异常分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111159885A CN111159885A (zh) | 2020-05-15 |
CN111159885B true CN111159885B (zh) | 2024-01-02 |
Family
ID=70558542
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911377393.7A Active CN111159885B (zh) | 2019-12-27 | 2019-12-27 | 一种基于曲线拟合的风机参数离散率异常分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111159885B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005168061A (ja) * | 2005-02-21 | 2005-06-23 | Texas Instr Japan Ltd | 信号表現発生の方法および装置 |
CN104112241A (zh) * | 2014-07-28 | 2014-10-22 | 国家电网公司 | 基于机头风速法的风电场理论功率计算方法 |
WO2014187147A1 (zh) * | 2013-05-20 | 2014-11-27 | 国家电网公司 | 电力系统中长期优化运行的中长期风电出力模型建模方法 |
CN106894950A (zh) * | 2017-03-09 | 2017-06-27 | 华电电力科学研究院 | 一种基于风电机组传动特性的功率特性验证方法 |
CN110544039A (zh) * | 2019-09-06 | 2019-12-06 | 阳光电源股份有限公司 | 一种光伏组串的阴影遮挡识别方法及装置 |
-
2019
- 2019-12-27 CN CN201911377393.7A patent/CN111159885B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005168061A (ja) * | 2005-02-21 | 2005-06-23 | Texas Instr Japan Ltd | 信号表現発生の方法および装置 |
WO2014187147A1 (zh) * | 2013-05-20 | 2014-11-27 | 国家电网公司 | 电力系统中长期优化运行的中长期风电出力模型建模方法 |
CN104112241A (zh) * | 2014-07-28 | 2014-10-22 | 国家电网公司 | 基于机头风速法的风电场理论功率计算方法 |
CN106894950A (zh) * | 2017-03-09 | 2017-06-27 | 华电电力科学研究院 | 一种基于风电机组传动特性的功率特性验证方法 |
CN110544039A (zh) * | 2019-09-06 | 2019-12-06 | 阳光电源股份有限公司 | 一种光伏组串的阴影遮挡识别方法及装置 |
Non-Patent Citations (4)
Title |
---|
Quantitative method for evaluating detailed volatility of wind power at multiple temporal-spatial scales;Zixin Chen等;Global Energy Interconnection;第2卷(第4期);318-327 * |
光伏电站发电单元输出功率离散率分析方法;于仝;潘宏伟;;太阳能(11);42-44 * |
基于电力线载波通信的光伏组串监测试验与分析;黄东风;《能源研究与利用》(第6期);25-33 * |
非线性克里格方法在日降水量分布估算中的应用;张唯等;《中国农业气象》;第35卷(第06期);690-699 * |
Also Published As
Publication number | Publication date |
---|---|
CN111159885A (zh) | 2020-05-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105275742B (zh) | 一种风电机组自适应环境的控制方法 | |
CN116859857B (zh) | 基于远程控制的燃油泵装配生产线智能管理系统 | |
CN108072524B (zh) | 一种风电机组齿轮箱轴承故障预警方法 | |
WO2009016020A1 (en) | Wind turbine monitoring system | |
CN116758719B (zh) | 一种生产车间设备环境在线监测系统 | |
CN113049142A (zh) | 温度传感器的告警方法、装置、设备及存储介质 | |
CN116660672B (zh) | 基于大数据的电网设备故障诊断方法及系统 | |
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 | |
EP2518457A2 (en) | Systems And Methods For Protecting Rotating Machines | |
CN115903659A (zh) | 一种数控设备智能监控方法及系统 | |
CN112395744B (zh) | 一种面向火电厂的设备安全性在线评价方法及系统 | |
CN106014947B (zh) | 一种基于物联网的空压机监控方法及系统 | |
CN116351313A (zh) | 一种基于计算机控制的食品搅拌机智能控制系统 | |
CN116894539A (zh) | 一种服装生产监测方法、系统及介质 | |
CN107654342A (zh) | 一种考虑湍流的风电机组功率异常的检测方法 | |
CN116893643A (zh) | 一种基于数据分析的智能机器人行驶轨迹安全管控系统 | |
CN111159885B (zh) | 一种基于曲线拟合的风机参数离散率异常分析方法 | |
CN111927717A (zh) | 一种风机机舱传动链噪声在线监测系统及方法 | |
CN116781560A (zh) | 基于人工智能的工控机远程智能控制系统 | |
JP2019027324A (ja) | 風力発電機の異常検知システム及び異常検知方法 | |
CN110992205A (zh) | 风电机组发电机绕组的状态检测方法、系统及相关组件 | |
CN116304848B (zh) | 一种滚动轴承故障诊断系统及方法 | |
CN116557230A (zh) | 一种风电场机组功率异常在线评估方法及系统 | |
CN114239708A (zh) | 一种基于质量控制图理论的燃机异常检测方法 | |
CN112360702B (zh) | 一种振动数据的集中监测方法及装置 |
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 |