CN113323819B - 一种基于模糊专家系统的风机安全链故障分析方法及系统 - Google Patents
一种基于模糊专家系统的风机安全链故障分析方法及系统 Download PDFInfo
- Publication number
- CN113323819B CN113323819B CN202110655844.XA CN202110655844A CN113323819B CN 113323819 B CN113323819 B CN 113323819B CN 202110655844 A CN202110655844 A CN 202110655844A CN 113323819 B CN113323819 B CN 113323819B
- Authority
- CN
- China
- Prior art keywords
- fault
- data
- fuzzy
- analysis
- unit
- 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 102
- 238000000034 method Methods 0.000 claims abstract description 38
- 238000012423 maintenance Methods 0.000 claims abstract description 5
- 230000009471 action Effects 0.000 claims description 8
- 230000007246 mechanism Effects 0.000 claims description 8
- 238000012544 monitoring process Methods 0.000 claims description 8
- 238000010248 power generation Methods 0.000 claims description 6
- 239000013307 optical fiber Substances 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 231100000279 safety data Toxicity 0.000 claims description 3
- 238000010977 unit operation Methods 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims 2
- 239000002994 raw material Substances 0.000 claims 2
- 238000004904 shortening Methods 0.000 abstract 1
- 230000008569 process Effects 0.000 description 8
- 238000004590 computer program Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000007639 printing Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
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
- F03D7/00—Controlling wind motors
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
- F05B2260/00—Function
- F05B2260/80—Diagnostics
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
- F05B2270/00—Control
- F05B2270/10—Purpose of the control system
- F05B2270/107—Purpose of the control system to cope with emergencies
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
- F05B2270/00—Control
- F05B2270/70—Type of control algorithm
- F05B2270/707—Type of control algorithm fuzzy logic
-
- 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)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了一种基于模糊专家系统的风机安全链故障分析方法及系统,包括采集风力发电机安全运行的各项运行数据;利用模糊专家系统对所述运行数据进行故障分析;若机组运行发生故障则紧急停机,以及机组脱网。利用模糊专家系统对风力发电机组的安全运行数据进行故障分析,确定故障发生的类型,并且结合一定时间段的历史数据,提高故障分析的准确度,缩短故障维修时间;并且还具有数据显示功能,方便工作人员随时查看运行状态。
Description
技术领域
本发明涉及的风力发电机故障分析技术领域,尤其涉及一种基于模糊专家系统的风机安全链故障分析方法及系统。
背景技术
风能是地球表面大量空气流动所产生的动能。由于地面各处受太阳辐照后气温变化不同和空气中水蒸气的含量不同,因而引起各地气压的差异,在水平方向高压空气向低压地区流动,即形成风。风能资源决定于风能密度和可利用的风能年累积小时数。世界气象组织估计全球的风能约为2.74×109MW,其中可利用的风能为2×107MW,比地球上可开发利用的水能总量还要大10倍,相当于10800亿吨标准煤产生的能量,约是全世界目前能源消费量的100倍。
风力发电是指利用风力发电机组直接将风能转化为电能的发电方式,风力发电机组的运行状态以及安全性十分重要,机组故障不仅会导致风力发电机的使用寿命降低,而且大大降低了风力转化率,因此对风力发电机组进行安全保护以及加快故障处理速度是十分重要的。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊,而这种简化或省略不能用于限制本发明的范围。
鉴于上述现有机组故障分析存在的问题,提出了本发明。
因此,本发明解决的技术问题是:现有风力发电机组安全链虽然可以实现发送安全故障时的紧急脱网,但是无法进行故障分析,不能确定故障类型,降低故障处理速度。
为解决上述技术问题,本发明提供如下技术方案:采集风力发电机安全运行的各项运行数据;利用模糊专家系统对所述运行数据进行故障分析;若机组运行发生故障则紧急停机,以及机组脱网。
作为本发明所述的基于模糊专家系统的风机安全链故障分析方法的一种优选方案,其中:所述安全运行的各项运行数据包括,安全链动作转速、安全链动作功率、供电短路、震动、急停按钮以及控制系统失效时机组的运行数据。
作为本发明所述的基于模糊专家系统的风机安全链故障分析方法的一种优选方案,其中:所述模糊专家系统包括,采集风力发单机安全运行的历史故障问题,并根据专家丰富的经验知识对所述故障问题进行分析,建立故障问题专家数据库,并且在进行所述故障分析时,在专家知识的表示中引入模糊隶属度的概念,并利用模糊逻辑进行推理,消除不确定现象;并且保存历史分析结果,以适应时间问题。
作为本发明所述的基于模糊专家系统的风机安全链故障分析方法的一种优选方案,其中:所述并利用模糊逻辑进行推理包括,由于采集到的实时数据可能并不完全与构建的专家知识库中的数据一致,因此会产生故障分析的不确定性,为了消除这种不确定性,结合多种专家知识,对故障类型的概率进行计算,以高概率的可能结果进行输出,在进行推理时,其规则表达式为如下所示:
IF M THEN S(CF(M,S))
其中:M为实时数据,S为专家知识结论,CF(M,S)为知识的可信度;CF(M,S)的取值范围为[-1,1],当实时数据对专家知识结论的支持程度越大,其值越大,表明其概率就越大,概率公式可以表示为如下:
其中:G为结论概率,K为设备运行标准值,所述标准值根据机组运行情况自行设定,通过上述概率计算,从而确定支持程度最大的专家知识结论,明确故障类型。
作为本发明所述的基于模糊专家系统的风机安全链故障分析方法的一种优选方案,其中:所述需要保存历史分析结果包括,在利用所述模糊专家系统进行故障分析后,为了避免因时间造成的分析不准确,将所述故障分析结果进行保存,建立随时间变化的动态模型,所述模型中保存一定时间内的安全数据以及对应的故障分析结果,在进行后续分析时,结合所述模糊专家系统以及动态模型进行故障类型的判断。
作为本发明所述的基于模糊专家系统的风机安全链故障分析方法的一种优选方案,其中:所述紧急停机以及机组脱网包括,出现故障时,相应的故障位置开关断开,风机安全链发生作用,引起风电机的紧急停机,将故障电机从机组脱网,保证机组的安全,并且将故障时间以及类型通过光纤以太网告知机组工作人员,进行故障检修。
作为本发明所述的基于模糊专家系统的风机安全链故障分析系统的一种优选方案,其中:数据采集模块用于采集安全运行的各项数据;模糊专家模块连接于所述数据采集模块,将所述数据进行故障分析,并且存储所述采集到的数据以及分析结果,便于后续分析;机组监控模块与所述数据采集模块和模糊专家模块相连接,根据所述模糊专家模块的故障分析结果,控制安全链动作,并且显示各台电机的运行数据、运行状态以及故障分析结果。
作为本发明所述的基于模糊专家系统的风机安全链故障分析系统的一种优选方案,其中:所述数据采集模块包括,传感单元利用传感器以及风向标采集发电设备的实时运行数据;图像生成单元连接于所述传感单元,根据所述实时数据进行曲线或者图表的绘制,便于工作人员查看。
作为本发明所述的基于模糊专家系统的风机安全链故障分析系统的一种优选方案,其中:所述模糊专家模块包括,专家数据库连接于所述数据采集模块,对实时数据进行故障分析,包括专家知识库、推理机构以及数据库,其中所述专家知识库进行专家知识获取并将各条知识进行连接形成知识库,所述推理机构连接于所述专家数据库以及所述传感单元,根据所述实时数据以及专家知识进行故障推理、分析,并将结果传输至所述数据库进行结果存储;动态模型连接于所述传感单元和数据库,存储一定时间内所述数据库中的推理、分析结果,并与实时数据相对应。
作为本发明所述的基于模糊专家系统的风机安全链故障分析系统的一种优选方案,其中:所述机组监控模块包括,控制单元获取所述数据库的推理结果,对各风电机组的运行状态进行控制;显示器与所述图像生成单元和数据库相连接,显示各台机组的运行数据以及故障分析结果。
本发明的有益效果:利用模糊专家系统对风力发电机组的安全运行数据进行故障分析,确定故障发生的类型,并且结合一定时间段的历史数据,提高故障分析的准确度,缩短故障维修时间;并且还具有数据显示功能,方便工作人员随时查看运行状态。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例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性的前提下,还可以根据这些附图获得其它的附图。其中:
图1为本发明第一个实施例所述的基于模糊专家系统的风机安全链故障分析方法的流程示意图;
图2为本发明第二个实施例所述的基于模糊专家系统的风机安全链故障分析系统的结构框架图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合说明书附图对本发明的具体实施方式做详细的说明,显然所描述的实施例是本发明的一部分实施例,而不是全部实施例。基于本发明中的实施例,本领域普通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,都应当属于本发明的保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其他不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施例的限制。
其次,此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例,也不是单独的或选择性的与其他实施例互相排斥的实施例。
本发明结合示意图进行详细描述,在详述本发明实施例时,为便于说明,表示器件结构的剖面图会不依一般比例作局部放大,而且所述示意图只是示例,其在此不应限制本发明保护的范围。此外,在实际制作中应包含长度、宽度及深度的三维空间尺寸。
同时在本发明的描述中,需要说明的是,术语中的“上、下、内和外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一、第二或第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
本发明中除非另有明确的规定和限定,术语“安装、相连、连接”应做广义理解,例如:可以是固定连接、可拆卸连接或一体式连接;同样可以是机械连接、电连接或直接连接,也可以通过中间媒介间接相连,也可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
实施例1
参照图1,为本发明的第一个实施例,该实施例提供了一种基于模糊专家系统的风机安全链故障分析方法,包括:
S1:采集风力发电机安全运行的各项运行数据。其中需要说明的是,
利用传感器,风向标等检测装置采集安全链动作转速、安全链动作功率、供电短路、震动、急停按钮以及控制系统失效时机组的运行数据。
S2:利用模糊专家系统对运行数据进行故障分析。其中需要说明的是,
模糊专家系统包括,采集风力发单机安全运行的历史故障问题,并根据专家丰富的经验知识对故障问题进行分析,建立故障问题专家数据库,并且在进行故障分析时,由于传统的专家数据库进行数据分析时会产生不确定性,因此在专家知识的表示中引入模糊隶属度的概念,并利用模糊逻辑进行推理,以此消除不确定现象;另一方面,由于时间的推移,会降低数据结果的准确性,因此需要保存历史分析结果,以适应时间问题。
进一步的是,并利用模糊逻辑进行推理包括,由于采集到的实时数据可能并不完全与构建的专家知识库中的数据一致,因此会产生故障分析的不确定性,为了消除这种不确定性,结合多种专家知识,对故障类型的概率进行计算,以高概率的可能结果进行输出,在进行推理时,其规则表达式为如下所示:
IF M THEN S(CF(M,S))
其中:M为实时数据,S为专家知识结论,CF(M,S)为知识的可信度;CF(M,S)的取值范围为[-1,1],当实时数据对专家知识结论的支持程度越大,其值越大,表明其概率就越大,概率公式可以表示为如下:
其中:G为结论概率,K为设备运行标准值,标准值根据机组运行情况自行设定,通过上述概率计算,从而确定支持程度最大的专家知识结论,明确故障类型。
并且需要保存历史分析结果包括,在利用模糊专家系统进行故障分析后,为了避免因时间造成的分析不准确,将故障分析结果进行保存,建立随时间变化的动态模型,模型中保存一定时间内的安全数据以及对应的故障分析结果,在进行后续分析时,结合模糊专家系统以及动态模型进行故障类型的判断。
更进一步的是,动态模型中的故障分析数据一般设定为每3个月更新一次,由于季节的变换,气流流向以及风力大小甚至温度等外部环境的差异较大,因此以3月作为标准更具准确性;并且在进行故障分析时,首先经过模糊专家系统进行分析,计算出故障类型以及其发生的概率,再将实时数据在动态模型中进行分析,并且以数据相似性计算各种故障类型的概率,将二者的结果进行对比,若结果相同则保留,若结果不同则选取概率较高故障类型。
S3:若机组运行发生故障则紧急停机,以及机组脱网。
紧急停机以及机组脱网包括,出现故障时,相应的故障位置开关断开,风机安全链发生作用,引起风电机的紧急停机,将故障电机从机组脱网,保证机组的安全,并且将故障时间以及类型通过光纤以太网告知机组工作人员,进行故障检修。
专家系统是一个含有大量的某个领域专家水平的知识与经验智能计算机程序系统,能够利用人类专家的知识和解决问题的方法来处理该领域问题,该系统能够高效率、准确、周到、迅速和不知疲倦地进行工作,并且解决实际问题时不受周围环境的影响,也不可能遗漏忘记,还可以汇集多领域专家的知识和经验以及他们协作解决重大问题的能力,但是专家系统也被要求能处理不完整、模糊数据,因此提出模糊专家系统,在进行机组故障分析过程中,实时数据并不意味着可以对应到每一个专家知识中,这种不确定性需要借助于模糊推理的手段进行故障类型概率分析,来确定最终结果,并且本发明还根据历史结果建立了动态模型,进一步提高了故障分析的准确性。
为了对本方法中采用的技术效果加以验证说明,本实施例选择传统故障快速识别方法和采用本方法进行对比测试,以科学论证的手段对比试验结果,以验证本方法所具有的真实效果。
传统故障快速识别方法利用状态码进行故障识别,当安全链异常时首先获取主控系统安全链断开原因,并得到相应的状态码传输至监控中心,并结合安全链的状态标志,确定故障类型;但是此方法的准确度并不理想,为了验证本发明方法在进行故障类型分析时的准确度更高,选取50个风力发电机组成机组进行故障分析实验,接入一个人机控制装置进行故障模拟,并且设置一个显示器显示各方法的分析结果;首先利用人机控制装置模拟故障发生,利用两种方法对故障进行分析,并将结果显示在显示器中,其中进行了3种不用故障情况的模拟,每种情况模拟20次,计算去分析准确度,其故障类型分析的准确率结果如下表1所示:
表1:故障分析结果。
模拟 | 1 | 2 | 3 |
本方法 | 98% | 94% | 98% |
传统控制方法 | 86% | 88% | 82% |
由上表可以看出,使用本方法进行故障分析时,其分析的准确率保持在90%以上而传统方法远远达不到此效果,因此具有较高的准确率,并且本方法在进行故障显示时还将机组实时运行数据进行图表显示,方便工作人员查看,更具有实用性。
实施例2
参照图2,为本发明的第二个实施例,该实施例不同于第一个实施例的是,提供了一种基于模糊专家系统的风机安全链故障分析系统,包括:数据采集模块100、模糊专家模块200以及机组监控模块300。
其中:数据采集模块100用于采集安全运行的各项数据;模糊专家模块200连接于数据采集模块100,将数据进行故障分析,并且存储采集到的数据以及分析结果,便于后续分析;机组监控模块300与数据采集模块100和模糊专家模块200相连接,根据模糊专家模块200的故障分析结果,控制安全链动作,并且显示各台电机的运行数据、运行状态以及故障分析结果。
进一步的是,数据采集模块100包括,传感单元101利用传感器以及风向标采集发电设备的实时运行数据;图像生成单元102连接于传感单元101,根据实时数据进行曲线或者图表的绘制,便于工作人员查看。
模糊专家模块200包括,专家数据库201连接于数据采集模块100,对实时数据进行故障分析,包括专家知识库201a、推理机构201b以及数据库201c,其中专家知识库201a进行专家知识获取并将各条知识进行连接形成知识库,推理机构201b连接于专家数据库201以及传感单元101,根据实时数据以及专家知识进行故障推理、分析,并将结果传输至数据库201c进行结果存储;动态模型202连接于传感单元101和数据库201c,存储一定时间内数据库201c中的推理、分析结果,并与实时数据相对应,在进行下一次故障分析时将数据传输至推理机构201b,结合专家数据库以及动态模型进行故障推理。
机组监控模块300包括,控制单元301获取数据库201c的推理结果,对各风电机组的运行状态进行控制,包括各种控制按钮,值班员只需对标明某种功能的相应键进行操作,就能对下位机进行改变设置状态和对其实施控制,如开机、停机和左右调向等,但这类操作有一定的权限,以保证整个风电场的运行安全;显示器302与图像生成单元102和数据库201c相连接,显示各台机组的运行数据以及故障分析结果,并且具有运行数据的定时打印和人工即时打印以及故障自动记录的功能,以便随时查看风电场运行状况的历史记录情况。
上述各个模块之间进行传输时均通过光纤以太网进行,加快数据的传输速度,并且整个系统均使用中文菜单,使得操作更加简单,为风电场的管理提供方便。
不难理解的是,本实施例中所提供的系统,其涉及数据采集模块100、模糊专家模块200以及机组监控模块300,例如可以是运行在计算机可读程序,通过提高各模块的程序数据接口实现。
应当认识到,本发明的实施例可以由计算机硬件、硬件和软件的组合、或者通过存储在非暂时性计算机可读存储器中的计算机指令来实现或实施。方法可以使用标准编程技术-包括配置有计算机程序的非暂时性计算机可读存储介质在计算机程序中实现,其中如此配置的存储介质使得计算机以特定和预定义的方式操作——根据在具体实施例中描述的方法和附图。每个程序可以以高级过程或面向对象的编程语言来实现以与计算机系统通信。然而,若需要,该程序可以以汇编或机器语言实现。在任何情况下,该语言可以是编译或解释的语言。此外,为此目的该程序能够在编程的专用集成电路上运行。
此外,可按任何合适的顺序来执行本文描述的过程的操作,除非本文另外指示或以其他方式明显地与上下文矛盾。本文描述的过程(或变型和/或其组合)可在配置有可执行指令的一个或多个计算机系统的控制下执行,并且可作为共同地在一个或多个处理器上执行的代码(例如,可执行指令、一个或多个计算机程序或一个或多个应用)、由硬件或其组合来实现。所述计算机程序包括可由一个或多个处理器执行的多个指令。
进一步,所述方法可以在可操作地连接至合适的任何类型的计算平台中实现,包括但不限于个人电脑、迷你计算机、主框架、工作站、网络或分布式计算环境、单独的或集成的计算机平台、或者与带电粒子工具或其它成像装置通信等等。本发明的各方面可以以存储在非暂时性存储介质或设备上的机器可读代码来实现,无论是可移动的还是集成至计算平台,如硬盘、光学读取和/或写入存储介质、RAM、ROM等,使得其可由可编程计算机读取,当存储介质或设备由计算机读取时可用于配置和操作计算机以执行在此所描述的过程。此外,机器可读代码,或其部分可以通过有线或无线网络传输。当此类媒体包括结合微处理器或其他数据处理器实现上文所述步骤的指令或程序时,本文所述的发明包括这些和其他不同类型的非暂时性计算机可读存储介质。当根据本发明所述的方法和技术编程时,本发明还包括计算机本身。计算机程序能够应用于输入数据以执行本文所述的功能,从而转换输入数据以生成存储至非易失性存储器的输出数据。输出信息还可以应用于一个或多个输出设备如显示器。在本发明优选的实施例中,转换的数据表示物理和有形的对象,包括显示器上产生的物理和有形对象的特定视觉描绘。
如在本申请所使用的,术语“组件”、“模块”、“系统”等等旨在指代计算机相关实体,该计算机相关实体可以是硬件、固件、硬件和软件的结合、软件或者运行中的软件。例如,组件可以是,但不限于是:在处理器上运行的处理、处理器、对象、可执行文件、执行中的线程、程序和/或计算机。作为示例,在计算设备上运行的应用和该计算设备都可以是组件。一个或多个组件可以存在于执行中的过程和/或线程中,并且组件可以位于一个计算机中以及/或者分布在两个或更多个计算机之间。此外,这些组件能够从在其上具有各种数据结构的各种计算机可读介质中执行。这些组件可以通过诸如根据具有一个或多个数据分组(例如,来自一个组件的数据,该组件与本地系统、分布式系统中的另一个组件进行交互和/或以信号的方式通过诸如互联网之类的网络与其它系统进行交互)的信号,以本地和/或远程过程的方式进行通信。
应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (6)
1.一种基于模糊专家系统的风机安全链故障分析方法,其特征在于:包括,
采集风力发电机安全运行的各项运行数据;
利用模糊专家系统对所述运行数据进行故障分析;
若机组运行发生故障则紧急停机,以及机组脱网;
所述安全运行的各项运行数据包括,
安全链动作转速、安全链动作功率、供电短路、震动、急停按钮以及控制系统失效时机组的运行数据;
所述模糊专家系统包括,
采集风力发单机安全运行的历史故障问题,并根据专家丰富的经验知识对所述故障问题进行分析,建立故障问题专家数据库,在进行所述故障分析时,在专家知识的表示中引入模糊隶属度的概念,并利用模糊逻辑进行推理,消除不确定现象;并且保存历史分析结果,以适应时间问题;
所述并利用模糊逻辑进行推理包括,
由于采集到的实时数据可能并不完全与构建的专家知识库中的数据一致,因此会产生故障分析的不确定性,为了消除这种不确定性,结合多种专家知识,对故障类型的概率进行计算,以高概率的可能结果进行输出,在进行推理时,其规则表达式为如下所示:
IF M THEN S(CF(M,S))
其中:M为实时数据,S为专家知识结论,CF(M,S)为知识的可信度;CF(M,S)的取值范围为[-1,1],当实时数据对专家知识结论的支持程度越大,其值越大,表明其概率就越大,概率公式表示为如下:
其中:G为结论概率,K为设备运行标准值,所述标准值根据机组运行情况自行设定,通过上述概率计算,从而确定支持程度最大的专家知识结论,明确故障类型;
所述保存历史分析结果包括,
在利用所述模糊专家系统进行故障分析后,为了避免因时间造成的分析不准确,将所述故障分析结果进行保存,建立随时间变化的动态模型,所述模型中保存一定时间内的安全数据以及对应的故障分析结果,在进行后续分析时,结合所述模糊专家系统以及动态模型进行故障类型的判断;
动态模型中的故障分析数据设定为每3个月更新一次,并且在进行故障分析时,首先经过模糊专家系统进行分析,计算出故障类型以及其发生的概率,再将实时数据在动态模型中进行分析,并且以数据相似性计算各种故障类型的概率,将二者的结果进行对比,若结果相同则保留,若结果不同则选取概率较高故障类型。
2.如权利要求1所述的基于模糊专家系统的风机安全链故障分析方法,其特征在于:所述紧急停机以及机组脱网包括,
出现故障时,相应的故障位置开关断开,风机安全链发生作用,引起风电机的紧急停机,将故障电机从机组脱网,保证机组的安全,并且将故障时间以及类型通过光纤以太网告知机组工作人员,进行故障检修。
3.一种应用如权利要求1所述的基于模糊专家系统的风机安全链故障分析方法的系统,其特征在于:包括,
数据采集模块(100)用于采集安全运行的各项数据;
模糊专家模块(200)连接于所述数据采集模块(100),将所述数据进行故障分析,并且存储所述采集到的数据以及分析结果,便于后续分析;
机组监控模块(300)与所述数据采集模块(100)和模糊专家模块(200)相连接,根据所述模糊专家模块(200)的故障分析结果,控制安全链动作,并且显示各台电机的运行数据、运行状态以及故障分析结果。
4.如权利要求3所述的基于模糊专家系统的风机安全链故障分析系统,其特征在于:所述数据采集模块(100)包括,
传感单元(101)利用传感器以及风向标采集发电设备的实时运行数据;
图像生成单元(102)连接于所述传感单元(101),根据所述实时数据进行曲线或者图表的绘制,便于工作人员查看。
5.如权利要求4所述的基于模糊专家系统的风机安全链故障分析系统,其特征在于:所述模糊专家模块(200)包括,
专家数据库(201)连接于所述数据采集模块(100),对实时数据进行故障分析,包括专家知识库(201a)、推理机构(201b)以及数据库(201c),其中所述专家知识库(201a)进行专家知识获取并将各条知识进行连接形成知识库,所述推理机构(201b)连接于所述专家数据库(201)以及所述传感单元(101),根据所述实时数据以及专家知识进行故障推理、分析,并将结果传输至所述数据库(201c)进行结果存储;
动态模型(202)连接于所述传感单元(101)和数据库(201c),存储一定时间内所述数据库(201c)中的推理、分析结果,并与实时数据相对应。
6.如权利要求5所述的基于模糊专家系统的风机安全链故障分析系统,其特征在于:所述机组监控模块(300)包括,
控制单元(301)获取所述数据库(201c)的推理结果,对各风电机组的运行状态进行控制;
显示器(302)与所述图像生成单元(102)和数据库(201c)相连接,显示各台机组的运行数据以及故障分析结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110655844.XA CN113323819B (zh) | 2021-06-11 | 2021-06-11 | 一种基于模糊专家系统的风机安全链故障分析方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110655844.XA CN113323819B (zh) | 2021-06-11 | 2021-06-11 | 一种基于模糊专家系统的风机安全链故障分析方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113323819A CN113323819A (zh) | 2021-08-31 |
CN113323819B true CN113323819B (zh) | 2022-08-19 |
Family
ID=77420595
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110655844.XA Active CN113323819B (zh) | 2021-06-11 | 2021-06-11 | 一种基于模糊专家系统的风机安全链故障分析方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113323819B (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN103343728A (zh) * | 2013-06-09 | 2013-10-09 | 上海乾祺电子科技有限公司 | 风力发电机组远程在线多模式健康状态监测与故障诊断系统 |
CN106124982A (zh) * | 2016-06-14 | 2016-11-16 | 都城绿色能源有限公司 | 一种风电机组的自动专家综合故障诊断系统及诊断方法 |
CN110705812A (zh) * | 2019-04-15 | 2020-01-17 | 中国石油大学(华东) | 一种基于模糊神经网络的工业故障分析系统 |
CN111734580B (zh) * | 2020-06-05 | 2024-04-09 | 华电电力科学研究院有限公司 | 一种风机并网回路多变量监测与保护系统及方法 |
-
2021
- 2021-06-11 CN CN202110655844.XA patent/CN113323819B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113323819A (zh) | 2021-08-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3902992B1 (en) | Scalable system and engine for forecasting wind turbine failure | |
Yang et al. | Real-time condition monitoring and fault detection of components based on machine-learning reconstruction model | |
CN104390657B (zh) | 一种发电机组运行参数测量传感器故障诊断方法及系统 | |
CN112803592B (zh) | 一种适用于分布式电站的智能故障预警方法及系统 | |
KR20160017681A (ko) | 풍력플랜트 관리 시스템 및 그 방법 | |
CN103928071B (zh) | 基于应急行动水平的核电厂应急状态辅助判断系统及方法 | |
KR20160073945A (ko) | 풍력플랜트 관리 시스템 및 그 방법 | |
CN104392752A (zh) | 一种实时在线的核反应堆故障诊断与监测系统 | |
CN106056273B (zh) | 一种基于故障树的冗余电动泵本体失效可靠性监测方法 | |
CN114723285A (zh) | 一种电网设备安全性评估预测方法 | |
CN111596643A (zh) | 一种基于大数据的可视化动态能耗诊断、分析和预控系统 | |
CN106950926B (zh) | 用于控制和监测发电设施的系统和方法 | |
CN116428124A (zh) | 一种基于同型号设备数量较多的故障诊断方法 | |
CN107121943A (zh) | 一种用于获得智能仪表的健康预测信息的方法和装置 | |
CN116821610B (zh) | 一种利用大数据优化风力发电效率的方法 | |
CN103675357A (zh) | 风速仪故障预警的方法和系统 | |
CN113323819B (zh) | 一种基于模糊专家系统的风机安全链故障分析方法及系统 | |
US11339763B2 (en) | Method for windmill farm monitoring | |
CN116085212B (zh) | 一种新能源风电机组的运行状态实时监测方法及系统 | |
CN114320773B (zh) | 一种基于功率曲线分析与神经网络的风电机组故障预警方法 | |
KR101896442B1 (ko) | Ict 융합형 풍력 발전 단지 모니터링 시스템, 서버 및 방법 | |
CN109026221A (zh) | 一种发电机组状态监控系统、方法及设备 | |
CN114442543A (zh) | 一种适用于水电站故障预警的计算机监测方法 | |
Souza et al. | Evaluation of data based normal behavior models for fault detection in wind turbines | |
CN107121616A (zh) | 一种用于对智能仪表进行故障定位的方法和装置 |
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 |