CN113610443A - 一种风电机组健康度与服役质量评估方法 - Google Patents
一种风电机组健康度与服役质量评估方法 Download PDFInfo
- Publication number
- CN113610443A CN113610443A CN202111007652.4A CN202111007652A CN113610443A CN 113610443 A CN113610443 A CN 113610443A CN 202111007652 A CN202111007652 A CN 202111007652A CN 113610443 A CN113610443 A CN 113610443A
- Authority
- CN
- China
- Prior art keywords
- wind turbine
- fault
- turbine generator
- index
- threshold
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000004458 analytical method Methods 0.000 claims abstract description 8
- 238000004364 calculation method Methods 0.000 claims description 15
- 230000001186 cumulative effect Effects 0.000 claims description 12
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000001303 quality assessment method Methods 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 5
- 238000013441 quality evaluation Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 2
- 238000012423 maintenance Methods 0.000 abstract description 19
- 238000011158 quantitative evaluation Methods 0.000 abstract description 7
- 238000011161 development Methods 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Wind Motors (AREA)
Abstract
本发明公开了一种风电机组健康度与服役质量评估方法,通过综合考虑风电机组各类故障的严重程度、发生频次以及持续时间,采用故障模式与影响分析方法,定义并计算了风电机组的健康度,实现了对风电机组健康状态的综合量化评估;在此基础上,通过综合考虑风电机组的健康度、等效可利用小时数、可利用率、平均无故障运行小时数、平均维护小时数、损失电量等性能和可靠性指标,采用多属性决策方法,定义并计算了风电机组服役质量指数,实现了对风电机组整体服役态势的综合量化评估。本发明优势在于能够自动计算出故障对风电机组可靠性的综合影响以及能够对风电机组的整体服役态势进行综合量化评估。
Description
技术领域
本发明属于可靠性领域,涉及一种健康度与服役质量评估方法,具体涉及一种风电机组健康度与服役质量评估方法。
背景技术
我国风电产业从容量上虽然己处于世界前列,但风电机组的运行和维护技术现状却不容乐观,亟待进一步提高。我国风电机组的故障率普遍高于其它发电设备。随着越来越多的机组投入运行,机组故障也越来越多地暴露出来,出现了齿轮箱早期损坏、主轴断裂、叶片开裂、发电机损毁等故障。与陆上风电机组相比,海上风电机组所处的工作环境极为复杂,往往面临着海雾腐蚀、海浪冲击、雷电、结冰、台风等恶劣环境的影响。对于服役年限为20年的陆上风电机组,其维护成本在风场总收入中占比达10%~15%,对于海上风电场,占比更是高达20%~25%。
风电机组运行维护费用居高不下,其中一个原因是由于风电机组所处的外界环境恶劣多变因此造成频繁的故障;另一重要原因则为风电场长期采用“定期维修”和“事故维修”的维修策略,无法做到提前预测,及时发现故障并控制故障恶化发展也是重要的原因。传统“定期维修”采用固定周期开展机组监测与维护,一方面容易造成维修过剩,另一方面也有可能维修不足,原因在于不能在合适的时间开展适度的维护,对非维修时期产生的异常不能及时处理极易造成隐患的不断恶化,从而造成重大故障的发生:而“事故维修"则是被动开展维修工作,事前准备不充分,故障的关键信息缺少,因此维修工作难度大,停机时间长,运维成本高,经济损失严重。因此,如何合理有效地评估风电机组的故障影响,掌握风电机组的整体运行态势,开展主动性运维和预测性运维,降低风电场运行维护成本,已成为我国发展风电技术需迫切解决的关键问题。
目前,风电场对于历史故障数据的统计分析仅限于统计故障的发生频次和持续时间,而对于故障的严重程度缺乏量化标准。在进行故障的统计分析时没有考虑到不同故障的权重差异,有些故障发生一次就会对机组可靠性产生重大影响,而有些故障发生100次其对机组可靠性的影响依然很小。在进行风电机组的故障排名时,单纯以故障的发生频次或持续时间来进行排名显然有失偏颇,应该综合考虑故障的严重程度、故障发生频次以及故障持续时间,通过计算一个综合性的量化指标来对风电机组的故障情况进行排名。此外,目前对于风电机组服役质量状态的评价往往是通过计算单一维度的指标,如可靠性指标MTBF、MTTR、失效率等,性能指标可利用率、等效可利用小时数、损失电量等,这些指标能够在一定程度上反映风电机组的可靠性和性能状态,但每一个指标所反映的内容有限,只能体现某一维度上状态信息,无法从整体上对风电机组的服役状态进行综合评估。
发明内容
为了解决现有技术中的问题,本发明的目的在于提供一种风电机组健康度与服役质量评估方法,其优势在于能够自动计算出故障对风电机组可靠性的综合影响以及能够对风电机组的整体服役态势进行综合量化评估。通过综合考虑风电机组各类故障的严重程度、发生频次以及持续时间,采用故障模式与影响分析方法,定义并计算了风电机组的健康度,实现了对风电机组健康状态的综合量化评估;在此基础上,通过综合考虑风电机组的健康度、等效可利用小时数、可利用率、平均无故障运行小时数、平均维护小时数、损失电量等性能和可靠性指标,采用多属性决策方法,定义并计算了风电机组服役质量指数,实现了对风电机组整体服役状态的量化评估。
为了实现以上目的,本发明所采用的技术方案为,
一种风电机组健康度与服役质量评估方法,包括风电机组健康度评估方法和风电机组服役质量评估方法;
1)风电机组健康度评估方法包括如下步骤:
1.1)建立故障知识库;
1.2)采用专家打分的方式,对故障知识库中的所有故障进行打分,确定各故障的严重等级和权重,打分的准则如下:
1.3)系统在后台按预设统计时间周期计算风电场每台机组各类故障的发生次数以及故障累计小时数;
1.4)根据步骤1.3)的计算结果,在所有机组中找到各类故障发生次数的最大值和故障累计小时数的最大值,并将其转换为每天的故障次数和故障累计小时数,即将当月统计得到的各类故障发生次数的最大值和故障累计小时数的最大值分别除以当月的天数,得到各类故障发生次数阈值和故障累计小时数阈值;
1.5)将步骤1.4)中获得的各类故障发生次数阈值和故障累计小时数阈值存入故障知识库中;
1.6)根据每个月的计算结果,对故障知识库中的故障发生次数阈值和故障累计小时数阈值进行自动更新,即如果当月计算得到的某类故障的故障发生次数阈值或故障持续小时数大于故障知识库中该类故障的故障发生次数阈值,则对故障知识库中的阈值进行替换;
1.7)根据所选统计时间即想要查看的时间段,获得在该时间段内每台机组发生的所有故障模式,计算各类故障模式的故障发生次数Oi和故障累计小时数Ti;
1.10)建立各风电机组故障模式分析矩阵
其中:FMj为第j台风电机组的故障模式的分析矩阵;Si、Oi和Ti分别表示第j台风电机组的第i个故障模式的权重、故障发生次数和故障累计小时数;n为第j台风电机组在统计时间内发生的故障模式的个数;
1.11)计算各风电机组的健康度指数:
其中:Hj为第j台风电机组的健康度指数,Hj的值越大表示风电机组的故障影响越大,越不健康;M为风电机组的台数;
1.12)为了直观地展示各风电机组的健康度水平,将风电机组的健康度指数按照数值大小分为四个区:正常区、预警区、告警区和危险区,各分区的数值范围自行配置,正常区的数值范围为:[H1,H2],预警区的数值范围为:(H2,H3],告警区的数值范围为:(H3,H4],危险区的数值范围为:(H4,H5],其中H1<H2<H3<H4<H5;
2)风电机组服役质量评估方法包括如下步骤:
2.1)按预设统计时间周期,计算风电场每台风电机组的性能指标和可靠性指标,包括:风电机组健康度、等效可利用小时数、可利用率、平均无故障运行时间、平均故障修复时间和损失电量/机组容量;
2.2)根据步骤2.1)的计算结果,找到各指标的最大值和最小值;
2.3)将按月计算得到的各指标的最大值和最小值转换为以天为单位的各指标的最大值和最小值,即将步骤2.2)中各指标的最大值和最小值分别除以当月的天数;
2.4)在数据库中新建一个指标阈值表用于存储每个月计算得到的各指标的最大值和最小值;
2.5)根据所选统计时间,统计该时间段内各风电机组的健康度、等效可利用小时数、可利用率、平均无故障运行时间、平均故障修复时间和损失电量/机组容量,统计结果表示为:
hj=[hj1,hj2,hj3,hj4,hj5,hj6],j=1,2,…,M
其中:hj为第j个风电机组的指标集合,hj1为第j个风电机组的健康度,hj2为第j个风电机组的等效可利用小时数,hj3为第j个风电机组的可利用率,hj4为第j个风电机组的平均无故障运行时间,hj5为第j个风电机组的平均故障修复时间,hj6为第j个风电机组的损失电量,M为风电场中风电机组的个数;
2.6)在指标阈值表中,搜索各指标的最大值和最小值,确定各指标的上下限阈值:
其中:为风电机组各指标的上限集合,Ref为风电机组各指标的下限集合,H1为风电机组的健康度,H2为风电机组的等效可利用小时数,H3为风电机组的可利用率,H4为风电机组的平均无故障运行时间,H5为风电机组的平均故障修复时间,H6为风电机组的损失电量;
2.7)根据步骤2.6)获得各指标的上下限阈值,获得统计时间内各指标的上下限阈值:
其中:dji为第j个风电机组的第i个指标与第i个指标上限阈值间的距离;
2.9)计算各风电机组的服役质量指数,如下式所示:
其中:Qj为第j个风电机组在统计时间内的服役质量指数,wi为第i个指标的权重;
2.10)根据各风电机组服役质量指数的大小对风电机组的整体运行状态进行评估,风电机组的服役质量指数越小,表示风电机组的整体运行状态越好;
2.11)为了直观地展示风电机组的服役质量水平,机组的将服役质量指数按照数值大小分为四个区:正常区、预警区、告警区和危险区,各分区的数值范围自行配置,正常区的数值范围为:[Q1,Q2],预警区的数值范围为:(Q2,Q3],告警区的数值范围为:(Q3,Q4],危险区的数值范围为:(Q4,Q5],其中Q1<Q2<Q3<Q4<Q5。
优选的,步骤1.3)中所述故障知识库的信息包括:故障代码、故障名称、故障所属部件、故障所属子系统、故障严重等级、故障权重、故障发生次数阈值和故障累计小时数阈值,其中故障发生次数阈值和故障累计小时数阈值单位为:小时/天,按机组统计。
优选的,步骤1.3)和步骤2.1)中所述预设统计时间周期为天、月、季度或年。
与现有风电机组状态评估方法相比,本发明提出了一种风电机组健康度与服役质量评估方法,能够自适应给出风电机组各类故障的发生次数阈值和持续时间阈值,以及风电机组各性能和可靠性指标的上下限阈值;通过计算统计时间段内各指标与指标阈值间的归一化距离,实现了对风电机组健康状态和服役质量状态的量化评估,使运维人员能够直观查看任一时间段内风电机组的整体健康度和服役质量指数。
附图说明
图1为本发明的方法流程图。
具体实施方式
下面结合具体的实施例和说明书附图对本发明作进一步的解释说明。
如图1所示,本发明为一种风电机组健康度与服役质量评估方法,具体包括以下步骤:
1)风电机组健康度评估方法包括如下步骤:
1.1)建立故障知识库,故障知识库的信息应该包括但不仅限于:故障代码、故障名称、故障所属部件、故障所属子系统、故障严重等级、故障权重、故障发生次数阈值(单位为:次/天,按机组统计)、故障累计小时数阈值(单位为:小时/天,按机组统计);
1.2)采用专家打分的方式,对故障知识库中的所有故障进行打分,确定各故障的严重等级和权重,打分的准则如下:
1.3)系统在后台按月(也可以是按天、按季度、按年等其他统计时间周期)计算风电场每台机组各类故障的发生次数以及故障累计小时数(按机组统计,统计每台机组各类故障的发生次数和故障累计小时数);
1.4)根据步骤1.3)的计算结果,在所有机组中找到各类故障发生次数的最大值和故障累计小时数的最大值,并将其转换为每天的故障次数和故障累计小时数,即将当月统计得到的各类故障发生次数的最大值和故障累计小时数的最大值分别除以当月的天数,得到各类故障发生次数阈值和故障累计小时数阈值;
1.5)将步骤1.4)中获得的各类故障发生次数阈值和故障累计小时数阈值存入故障知识库中;
1.6)根据每个月的计算结果,对故障知识库中的故障发生次数阈值和故障累计小时数阈值进行自动更新,即如果当月计算得到的某类故障的发生次数阈值(或故障持续小时数)大于故障知识库中该类故障的故障发生次数阈值,则对故障知识库中的阈值进行替换;
1.7)根据所选统计时间(即想要查看的时间段),获得在该时间段内每台机组发生的所有故障模式,计算各类故障模式的故障发生次数Oi和故障累计小时数Ti;
1.10)建立各风电机组故障模式分析矩阵
其中:FMj为第j台风电机组的故障模式的分析矩阵;Si、Oi和Ti分别表示第j台风电机组的第i个故障模式的权重、故障发生次数和故障累计小时数;n为第j台风电机组在统计时间内发生的故障模式的个数。
1.11)计算各风电机组的健康度指数:
其中:Hj为第j台风电机组的健康度指数,Hj的值越大表示风电机组的故障影响越大,越不健康;M为风电机组的台数;
1.12)为了直观地展示各风电机组的健康度水平,可以将风电机组的健康度指数按照数值大小分为四个区:正常区、预警区、告警区和危险区,各分区的数值范围可以在自行配置,如:正常区的数值范围为:[H1,H2],预警区的数值范围为:(H2,H3],告警区的数值范围为:(H3,H4],危险区的数值范围为:(H4,H5],其中H1<H2<H3<H4<H5。
2)风电机组服役质量评估方法包括如下步骤:
2.1)按月,也可以是按天、按季度、按年等其他统计时间周期,计算风电场每台风电机组的性能指标和可靠性指标,包括但不仅限于:风电机组健康度、等效可利用小时数、可利用率、平均无故障运行时间、平均故障修复时间和损失电量/机组容量;
2.2)根据步骤2.1)的计算结果,找到各指标的最大值和最小值;
2.3)将上述按月计算得到的各指标的最大值和最小值转换为以天为单位的各指标的最大值和最小值,即将步骤2.2)中各指标的最大值和最小值分别除以当月的天数;
2.4)在数据库中新建一个指标阈值表用于存储每个月计算得到的各指标的最大值和最小值;
2.5)根据所选统计时间,统计该时间段内各风电机组的健康度、等效可利用小时数、可利用率、平均无故障运行时间、平均故障修复时间和损失电量/机组容量,统计结果表示为:
hj=[hj1,hj2,hj3,hj4,hj5,hj6],j=1,2,…,M
其中:hj为第j个风电机组的指标集合,hj1为第j个风电机组的健康度,hj2为第j个风电机组的等效可利用小时数,hj3为第j个风电机组的可利用率,hj4为第j个风电机组的平均无故障运行时间,hj5为第j个风电机组的平均故障修复时间,hj6为第j个风电机组的损失电量,M为风电场中风电机组的个数;
2.6)在指标阈值表中,搜索各指标的最大值和最小值,确定各指标的上下限阈值:
Ref=[max(H1),min(H2),min(H3),min(H4),max(H5),max(H6)]
其中:为风电机组各指标的上限集合,Ref为风电机组各指标的下限集合,H1为风电机组的健康度,H2为风电机组的等效可利用小时数,H3为风电机组的可利用率,H4为风电机组的平均无故障运行时间,H5为风电机组的平均故障修复时间,H6为风电机组的损失电量;
2.7)根据步骤2.6)获得各指标的上下限阈值,获得统计时间内各指标的上下限阈值:
其中:为统计时间内的指标的上限阈值,H i为统计时间内的指标的下限阈值,统计时间由分析人员自行选择,如分析人员想查看2021年6月~8月各风电机组的服役质量指数,则统计时间为2021年6月~2021年8月;
其中:dji为第j个风电机组的第i个指标与第i个指标上限阈值间的距离;
2.9)计算各风电机组的服役质量指数,如下式所示:
其中:Qj为第j个风电机组在统计时间内的服役质量指数,wi为第i个指标的权重,各指标的权重可以暂定为:0.2,0.15,0.15,0.2,0.2,0.1;
2.10)根据各风电机组服役质量指数的大小对风电机组的整体运行状态进行评估,风电机组的服役质量指数越小,表示风电机组的整体运行状态越好;
2.11)为了直观地展示风电机组的服役质量水平,可以机组的将服役质量指数按照数值大小分为四个区:正常区、预警区、告警区和危险区,各分区的数值范围可以在自行配置,如:正常区的数值范围为:[Q1,Q2],预警区的数值范围为:(Q2,Q3],告警区的数值范围为:(Q3,Q4],危险区的数值范围为:(Q4,Q5],其中Q1<Q2<Q3<Q4<Q5。
Claims (3)
1.一种风电机组健康度与服役质量评估方法,其特征在于,包括风电机组健康度评估方法和风电机组服役质量评估方法;
1)风电机组健康度评估方法包括如下步骤:
1.1)建立故障知识库;
1.2)采用专家打分的方式,对故障知识库中的所有故障进行打分,确定各故障的严重等级和权重,打分的准则如下:
1.3)系统在后台按预设统计时间周期计算风电场每台机组各类故障的发生次数以及故障累计小时数;
1.4)根据步骤1.3)的计算结果,在所有机组中找到各类故障发生次数的最大值和故障累计小时数的最大值,并将其转换为每天的故障次数和故障累计小时数,即将当月统计得到的各类故障发生次数的最大值和故障累计小时数的最大值分别除以当月的天数,得到各类故障发生次数阈值和故障累计小时数阈值;
1.5)将步骤1.4)中获得的各类故障发生次数阈值和故障累计小时数阈值存入故障知识库中;
1.6)根据每个月的计算结果,对故障知识库中的故障发生次数阈值和故障累计小时数阈值进行自动更新,即如果当月计算得到的某类故障的故障发生次数阈值或故障持续小时数大于故障知识库中该类故障的故障发生次数阈值,则对故障知识库中的阈值进行替换;
1.7)根据所选统计时间即想要查看的时间段,获得在该时间段内每台机组发生的所有故障模式,计算各类故障模式的故障发生次数Oi和故障累计小时数Ti;
1.10)建立各风电机组故障模式分析矩阵
其中:FMj为第j台风电机组的故障模式的分析矩阵;Si、Oi和Ti分别表示第j台风电机组的第i个故障模式的权重、故障发生次数和故障累计小时数;n为第j台风电机组在统计时间内发生的故障模式的个数;
1.11)计算各风电机组的健康度指数:
其中:Hj为第j台风电机组的健康度指数,Hj的值越大表示风电机组的故障影响越大,越不健康;M为风电机组的台数;
1.12)为了直观地展示各风电机组的健康度水平,将风电机组的健康度指数按照数值大小分为四个区:正常区、预警区、告警区和危险区,各分区的数值范围自行配置,正常区的数值范围为:[H1,H2],预警区的数值范围为:(H2,H3],告警区的数值范围为:(H3,H4],危险区的数值范围为:(H4,H5],其中H1<H2<H3<H4<H5;
2)风电机组服役质量评估方法包括如下步骤:
2.1)按预设统计时间周期,计算风电场每台风电机组的性能指标和可靠性指标,包括:风电机组健康度、等效可利用小时数、可利用率、平均无故障运行时间、平均故障修复时间和损失电量/机组容量;
2.2)根据步骤2.1)的计算结果,找到各指标的最大值和最小值;
2.3)将按月计算得到的各指标的最大值和最小值转换为以天为单位的各指标的最大值和最小值,即将步骤2.2)中各指标的最大值和最小值分别除以当月的天数;
2.4)在数据库中新建一个指标阈值表用于存储每个月计算得到的各指标的最大值和最小值;
2.5)根据所选统计时间,统计该时间段内各风电机组的健康度、等效可利用小时数、可利用率、平均无故障运行时间、平均故障修复时间和损失电量/机组容量,统计结果表示为:
hj=[hj1,hj2,hj3,hj4,hj5,hj6],j=1,2,…,M
其中:hj为第j个风电机组的指标集合,hj1为第j个风电机组的健康度,hj2为第j个风电机组的等效可利用小时数,hj3为第j个风电机组的可利用率,hj4为第j个风电机组的平均无故障运行时间,hj5为第j个风电机组的平均故障修复时间,hj6为第j个风电机组的损失电量,M为风电场中风电机组的个数;
2.6)在指标阈值表中,搜索各指标的最大值和最小值,确定各指标的上下限阈值:
Ref=[max(H1),min(H2),min(H3),min(H4),max(H5),max(H6)]
其中:为风电机组各指标的上限集合,Ref为风电机组各指标的下限集合,H1为风电机组的健康度,H2为风电机组的等效可利用小时数,H3为风电机组的可利用率,H4为风电机组的平均无故障运行时间,H5为风电机组的平均故障修复时间,H6为风电机组的损失电量;
2.7)根据步骤2.6)获得各指标的上下限阈值,获得统计时间内各指标的上下限阈值:
其中:dji为第j个风电机组的第i个指标与第i个指标上限阈值间的距离;
2.9)计算各风电机组的服役质量指数,如下式所示:
其中:Qj为第j个风电机组在统计时间内的服役质量指数,wi为第i个指标的权重;
2.10)根据各风电机组服役质量指数的大小对风电机组的整体运行状态进行评估,风电机组的服役质量指数越小,表示风电机组的整体运行状态越好;
2.11)为了直观地展示风电机组的服役质量水平,机组的将服役质量指数按照数值大小分为四个区:正常区、预警区、告警区和危险区,各分区的数值范围自行配置,正常区的数值范围为:[Q1,Q2],预警区的数值范围为:(Q2,Q3],告警区的数值范围为:(Q3,Q4],危险区的数值范围为:(Q4,Q5],其中Q1<Q2<Q3<Q4<Q5。
2.根据权利要求1所述的一种风电机组健康度与服役质量评估方法,其特征在于,步骤1.3)中所述故障知识库的信息包括:故障代码、故障名称、故障所属部件、故障所属子系统、故障严重等级、故障权重、故障发生次数阈值和故障累计小时数阈值,其中故障发生次数阈值和故障累计小时数阈值单位为:小时/天,按机组统计。
3.根据权利要求1所述的一种风电机组健康度与服役质量评估方法,其特征在于,步骤1.3)和步骤2.1)中所述预设统计时间周期为天、月、季度或年。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111007652.4A CN113610443A (zh) | 2021-08-30 | 2021-08-30 | 一种风电机组健康度与服役质量评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111007652.4A CN113610443A (zh) | 2021-08-30 | 2021-08-30 | 一种风电机组健康度与服役质量评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113610443A true CN113610443A (zh) | 2021-11-05 |
Family
ID=78342303
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111007652.4A Withdrawn CN113610443A (zh) | 2021-08-30 | 2021-08-30 | 一种风电机组健康度与服役质量评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113610443A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116579633A (zh) * | 2023-07-12 | 2023-08-11 | 湖南省计量检测研究院 | 基于数据驱动实现风电设备的服役状态质量分析方法 |
CN116611741A (zh) * | 2023-07-14 | 2023-08-18 | 湖南省计量检测研究院 | 基于风电设备的服役质量指数体系构建方法及系统 |
-
2021
- 2021-08-30 CN CN202111007652.4A patent/CN113610443A/zh not_active Withdrawn
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116579633A (zh) * | 2023-07-12 | 2023-08-11 | 湖南省计量检测研究院 | 基于数据驱动实现风电设备的服役状态质量分析方法 |
CN116579633B (zh) * | 2023-07-12 | 2023-11-17 | 湖南省计量检测研究院 | 基于数据驱动实现风电设备的服役状态质量分析方法 |
CN116611741A (zh) * | 2023-07-14 | 2023-08-18 | 湖南省计量检测研究院 | 基于风电设备的服役质量指数体系构建方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113610443A (zh) | 一种风电机组健康度与服役质量评估方法 | |
CN108446483B (zh) | 计及风电机组传动系统疲劳的风电场可靠性评估方法 | |
CN105205569B (zh) | 风机齿轮箱状态在线评估模型建立方法及在线评估方法 | |
CN111488896B (zh) | 一种基于多源数据挖掘的配电线路时变故障概率计算方法 | |
CN111597682A (zh) | 预测风力机齿轮箱轴承剩余寿命的方法 | |
CN108074197A (zh) | 风机故障数据分析系统的控制方法 | |
CN113325308B (zh) | 一种用于数据中心的供电故障检测方法 | |
CN110852484B (zh) | 一种风力发电机组故障预警系统与方法 | |
CN114936758A (zh) | 风电机组健康状态评估方法、装置及电子设备 | |
CN112886923B (zh) | 一种雷电天气的光伏电站运维方法及设备 | |
CN103699668A (zh) | 基于数据断面一致性的配电网电气设备组合状态评估方法 | |
Vachon | Long-term O&M costs of wind turbines based on failure rates and repair costs | |
CN116522746A (zh) | 高耗能企业配电托管方法 | |
Anderson et al. | Operational metrics for an offshore wind farm & their relation to turbine access restrictions and position in the array | |
CN111612019A (zh) | 一种基于大数据模型对智能电表故障异常辨识分析的方法 | |
CN117649044A (zh) | 一种海上风电机组多维度量化状态评估方法 | |
Carter et al. | Continuous Reliability Enhancement for Wind (CREW). Program Update | |
CN109886538B (zh) | 基于动态监测数据的铁路信号设备质量评价方法及装置 | |
CN112380641B (zh) | 一种应急柴油机健康状态评价方法及计算机终端 | |
Bakhshi et al. | Overview of wind turbine field failure databases: a discussion of the requirements for an analysis | |
CN114219206B (zh) | 基于灰色层次分析的抽水蓄能机组油系统状态综合评估方法 | |
CN115204669A (zh) | 基于用电数据的污水处理厂行为异常判定方法及系统 | |
Zhang et al. | An evaluation method of health condition for wind turbine based on asymmetric proximity | |
CN108960688B (zh) | 一种风电机组的综合管理系统 | |
CN112686403A (zh) | 一种智能风机档案运维方法及系统 |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20211105 |