CN113804261A - 风力发电机的水冷系统异常检测装置和方法 - Google Patents
风力发电机的水冷系统异常检测装置和方法 Download PDFInfo
- Publication number
- CN113804261A CN113804261A CN202111160188.2A CN202111160188A CN113804261A CN 113804261 A CN113804261 A CN 113804261A CN 202111160188 A CN202111160188 A CN 202111160188A CN 113804261 A CN113804261 A CN 113804261A
- Authority
- CN
- China
- Prior art keywords
- water
- pressure
- outlet valve
- inlet
- cooling system
- 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
Links
- 238000001816 cooling Methods 0.000 title claims abstract description 212
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 160
- 230000005856 abnormality Effects 0.000 title claims abstract description 70
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000001514 detection method Methods 0.000 claims abstract description 77
- 238000012216 screening Methods 0.000 claims abstract description 27
- 230000003068 static effect Effects 0.000 claims description 40
- 230000002159 abnormal effect Effects 0.000 claims description 18
- 230000004044 response Effects 0.000 claims description 15
- 238000012544 monitoring process Methods 0.000 claims description 12
- 230000007423 decrease Effects 0.000 claims description 11
- 238000011478 gradient descent method Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 10
- 238000012417 linear regression Methods 0.000 claims description 10
- 230000006870 function Effects 0.000 claims description 8
- 239000002826 coolant Substances 0.000 description 14
- 230000008859 change Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000004140 cleaning Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000013499 data model Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000002547 anomalous effect Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000017525 heat dissipation Effects 0.000 description 1
- 230000002706 hydrostatic effect Effects 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000010926 purge Methods 0.000 description 1
- 238000010583 slow cooling Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Wind Motors (AREA)
Abstract
本公开提供一种风力发电机的水冷系统异常检测装置和方法。所述所述水冷系统异常检测装置包括：数据采集单元，被配置为采集所述水冷系统的进出阀参数与风力发电机转速，所述进出阀参数包括进阀温度、出阀温度、进阀压力、出阀压力；数据筛选单元，被配置为根据风力发电机转速的运行状态阈值筛选水冷动压状态下的进出阀参数，并且根据进阀温度与出阀温度之间的温度差阈值以及进阀压力与出阀压力之间的压力差阈值进一步筛选水冷动压状态下的有效进出阀参数；异常检测单元，被配置为将水冷动压状态下的有效进出阀参数输入异常检测模型得到检测结果，所述检测结果用于指示所述水冷系统是否处于动压异常。
Description
技术领域
本公开涉及风力发电领域，具体地，涉及一种风力发电机的水冷系统异常检测装置和方法。
背景技术
水冷系统通常设置有水冷回路的压力传感器和温度传感器等，通过这些传感器的测量值来控制水冷系统的运行以及故障监测。水冷系统失效通常由极端环境下的气囊失效导致失去压力调节导致。此外，水冷系统失效还可能由冷却介质泄露导致，当水冷系统存在轻微的“跑冒滴漏”现象时，可能需要较长时间才能察觉。
对于缓慢的冷却介质泄露，由于风机内部不具备长时间数据的运算分析能力而只有即时监测功能，仅通过压力的阈值以及温度的阈值对水冷系统进行监测，往往在水冷系统故障比较严重后才会报出相应故障，将造成较大的停机故障以及设备资产损失。
如果直接测量冷却介质液位来检测冷却介质的泄露，对传感器要求较高，难以确保传感器具有较好的防锈特性、防震特性和测量精度。可替代地，如果检测水冷系统的流速异常，由于水冷系统运行时流速变化复杂且存在干扰，因此难以在风机实际运行过程中实现水冷系统压力异常的准确检测。
发明内容
本公开提出通过对设备运行的数据进行收集分析，对监测控制和数据采集系统(SCADA)的数据进行数据清洗和机器学习，数据清洗对易受干扰的数据采用相邻点差值以筛选出特定范围的数据，并且对清洗后的数据进行拟合回归，采用滑动平均法来获得压力与时间的平滑曲线。对压力与时间的平滑曲线使用线性回归以获得水冷压力随时间变化的一次拟合模型，根据拟合模型实现对水冷压力异常的检测，可从长期角度分析水冷系统是否存在冷却介质泄露的现象，提前对水冷设备失效进行有效的预警，以降低停机损失以及设备资产损失，从而以较低的成本实现水冷系统的有效监测。本公开的实施例解决了冷却介质泄露时，气囊补气等操作导致短期内压力正常对故障识别的干扰，实现对冷却介质泄露的精准识别。
根据本公开的一方面，提供一种用于风力发电机的水冷系统异常检测装置，所述水冷系统异常检测装置包括：数据采集单元，被配置为采集所述水冷系统的进出阀参数与风力发电机转速，所述进出阀参数包括进阀温度、出阀温度、进阀压力、出阀压力；数据筛选单元，被配置为根据风力发电机转速的运行状态阈值筛选水冷动压状态下的进出阀参数，并且根据进阀温度与出阀温度之间的温度差阈值以及进阀压力与出阀压力之间的压力差阈值进一步筛选水冷动压状态下的有效进出阀参数；异常检测单元，被配置为将水冷动压状态下的有效进出阀参数输入异常检测模型得到检测结果，所述检测结果用于指示所述水冷系统是否处于动压异常。
所述异常检测模型可包括线性回归模型，所述线性回归模型包括的损失函数采用梯度下降法拟合，所述拟合具有正则化项，其中正则化项的正则化参数将线性拟合的多项式中的二次项和更高次项的系数进行梯度下降。
所述异常检测单元可进一步被配置为：响应于所述拟合的预定周期拟合线的下降率超过水冷动压的下降率阈值而确定水冷压降过速异常；并且响应于所述拟合的终点值低于水冷动压的水压阈值而确定水冷动压过低异常。
所述数据筛选单元还可被配置为：根据风力发电机转速的待机状态阈值筛选水冷静压状态下的进出阀参数，并且根据进阀压力与出阀压力的压力差阈值进一步筛选水冷静压状态下的有效进出阀参数；并且所述异常检测单元还被配置为：响应于水冷静压状态下的有效进出阀参数低于水冷静压阈值而确定水冷系统静压异常。
所述水冷系统异常检测装置还可包括：第一设定单元，设定水冷静压阈值；以及第二设定单元，设定所述水冷动压的下降率阈值和所述水冷动压的水压阈值。
所述水冷系统异常检测装置还可包括：显示单元，显示水压异常的风力发电机的机组编号、水压异常的时间以及水压异常的类型中的一者或多者。
所述数据采集单元可通过监测控制和数据采集系统获取水冷系统在预定时间窗口的进出阀参数和风机转速数据，并且还通过监测控制和数据采集系统获取时间信息和设备信息。
根据本公开的另一方面，提供一种用于风力发电机的水冷系统异常检测方法，所述方法包括：采集所述水冷系统的进出阀参数与风力发电机转速，所述进出阀参数包括进阀温度、出阀温度、进阀压力、出阀压力；根据风力发电机转速的运行状态阈值筛选水冷动压状态下的进出阀参数，并且根据进阀温度与出阀温度之间的温度差阈值以及进阀压力与出阀压力之间的压力差阈值进一步筛选水冷动压状态下的有效进出阀参数；将水冷动压状态下的有效进出阀参数输入异常检测模型得到检测结果，所述检测结果用于指示所述水冷系统是否处于动压异常。
所述异常检测模型可包括线性回归模型，所述线性回归模型包括的损失函数采用梯度下降法拟合，所述拟合具有正则化项，其中正则化项的正则化参数将线性拟合的多项式中的二次项和更高次项的系数进行梯度下降。
所述方法还可包括：响应于所述拟合的预定周期拟合线的下降率超过水冷动压的下降率阈值而确定水冷压降过速异常；以及响应于所述拟合的终点值低于水冷动压的水压阈值而确定水冷动压过低异常。
所述方法还可包括：根据风力发电机转速的待机状态阈值筛选水冷静压状态下的进出阀参数，并且根据进阀压力与出阀压力的压力差阈值进一步筛选水冷静压状态下的有效进出阀参数；并且响应于水冷静压状态下的有效进出阀参数低于水冷静压阈值而确定水冷系统静压异常。
所述方法还可包括：通过监测控制和数据采集系统获取水冷系统在预定时间窗口的进出阀参数和风机转速数据，并且还通过监测控制和数据采集系统获取时间信息和设备信息。
根据本公开的另一方面，提供一种存储有计算机程序的计算机可读存储介质，当所述计算机程序在被处理器执行时实现如上所述的用于风力发电机的水冷系统异常检测方法。
根据本公开的另一方面，提供一种计算机设备，所述计算机设备包括：处理器；存储器，存储有计算机程序，当所述计算机程序被处理器执行时，实现如上所述的用于风力发电机的水冷系统异常检测方法。
附图说明
根据以下结合附图和具体实施方式，本公开的以上和其他方面、特征和优点将更清楚地理解，在附图中：
图1是一般水冷系统结构的示例的示意图。
图2是示出水冷系统压力变化的曲线图。
图3是示出根据实施例的水冷系统异常检测装置。
图4是根据实施例的风力发电机的水冷系统异常检测的流程图。
图5是根据实施例的风力发电机的水冷系统异常检测方法的流程图。
图6是示例性示出水冷系统进出阀压力的曲线图。
图7是根据实施例的原始数据与拟合数据的曲线图。
图8是根据本公开的水冷系统水异常检测装置的结构图。
图9是根据本公开的水冷系统水异常检测装置的设定单元的示意图。
图10是根据本公开的水冷系统水异常检测装置的显示单元的示意图。
具体实施方式
提供以下具体实施方式以帮助读者获得对在此所描述的方法、设备和/或系统的全面理解。然而，在理解本申请的公开内容之后，在此描述的方法、设备和/或系统的各种变型、修改及等同物将是显而易见的。例如，在此所描述的操作的顺序仅仅是示例，其并不限于在此所阐述的顺序，而是除了必须以特定顺序发生的操作之外，可做出在理解本申请的公开内容之后将是显而易见的改变。此外，为了提高清楚性和简洁性，可省略本领域中已知的特征的描述。为了使本领域技术人员能够更好的理解本公开，下面结合附图对本公开的具体实施例进行详细描述。
技术术语定义
变流系统：将发电机发出的交流电转换成直流电，经过斩波升压，再经过逆变单元把直流电逆变成与电网相匹配的交流电形式。
动压：风机运行状态时的水冷系统压力。
静压：风机待机或停机状态时的水冷系统压力。
图1是一般水冷系统结构的示例的示意图。
风力发电机通常采用水冷系统为诸如IGBT阀体等的变流系统部件散热。参照图1，典型的水冷系统包括气囊(储压罐)10、三通阀20、散热器30、水冷电机40等。水冷电机40为整个水冷循环过程提供动力。气囊10用来补偿管路中的压力，同时补偿热膨胀引发的压力变化。三通阀20用来控制冷却介质的温度，当冷却介质温度较高时将水冷系统内循环回路改变为外循环回路，使得冷却介质通过散热器30以提高冷却介质散热速度，当环境气温较低时则启用内循环回路以保温。水冷系统还包括分别测量冷却介质的进阀压力和出阀压力的进阀压力传感器50和出阀压力传感器60，以及分别测量冷却介质的进阀温度和出阀温度的进阀温度传感器70和出阀温度传感器80。此外，水冷系统运行时采集的数据还可包括通过SCADA获取的数据，包括但不限于，风力发电机转速、环境温度以及环境风速等。
图2是示出水冷系统压力变化的曲线图。
参照图2，水冷系统的压力根据风力发电机的运行、待机或停机而实时变化，使得难以通过单一的压力阈值设定来确定水冷系统的压力异常。
图3是示出根据实施例的水冷系统异常检测装置。
参照图3，根据本公开的实施例的水冷系统异常检测装置包括数据采集单元100、数据筛选单元200和异常检测单元300。数据采集单元100可通过例如SCADA采集由进阀压力传感器50和出阀压力传感器60以及进阀温度传感器70和出阀温度传感器80获取的传感器数据以及风力发电机运行数据(例如，风力发电机转速或环境风速)。数据筛选单元200可根据风力发电机转速的运行状态阈值来筛选水冷动压状态下的进出阀参数，并且根据进阀温度与出阀温度之间的温度差阈值以及进阀压力与出阀压力之间的压力差阈值进一步筛选水冷动压状态下的有效进出阀参数。异常检测单元300将水冷动压状态下的有效进出阀参数输入异常检测模型得到检测结果，所述检测结果用于指示所述水冷系统是否处于动压异常。
图4是根据实施例的风力发电机的水冷系统异常检测的流程图。
图4中示出了图3中的水冷系统异常检测装置执行的操作的流程图。参照图4，根据本公开的实施例的水冷系统异常检测装置可识别两种水冷压力状态，即，水冷动压状态和水冷静压状态。基于出阀温度>＝p1且发电机转速>p2筛选出的与水冷动压状态相对应的传感器数据可经过计算、数据清洗、特征提取。其中，可通过计算处理得到进出阀温度差和进出阀压力差。数据清洗可包括通过进出阀压力差>p3阈值且p4<进出阀温度<p5对数据进行再次筛选，以及错位相减后筛选p6<进出阀压力差错位相减值<p7，以获得有效进出阀参数。此外，有效进出阀参数还可通过同一风力发电场内的相邻风机数据之间的平均值来进行筛选，例如，可将本机的系统数据在同一风场内的SCADA数据平均值的合理偏差范围内进行筛选，或限定预定的数据方差阈值来进行筛选。
特征提取可包括根据损失函数的梯度下降法获取压力拟合模型，并且根据拟合模型对故障状态进行识别。根据本公开的实施例的异常检测模型可包括线性回归模型，所述线性回归模型的损失函数采用梯度下降法拟合，所述拟合具有正则化项，其中正则化项的正则化参数将线性拟合的多项式中的二次项和更高次项的系数进行梯度下降。该梯度下降法包括但不限于：SGD(Stochastic Gradient Descent，随机梯度下降法)、GD(GradientDropping，梯度下降法)、BGD(Batch Gradient Descent，批量梯度下降法)等等。
异常检测单元300可响应于所述拟合的预定周期的拟合线下降率超过水冷动压的下降率阈值p8而确定水冷压降过速异常，其中，预定周期可以是一周，但不限于此。异常检测单元300还可响应于所述拟合的终点值低于水冷动压的水压阈值p9而确定水冷动压过低异常。
另一方面，数据筛选单元200还可根据风力发电机转速<p10的待机状态阈值筛选水冷静压状态下的进出阀参数，并且根据进阀压力与出阀压力的压力差<p11阈值进一步筛选水冷静压状态下的有效进出阀参数。与水冷静压状态相对应的传感器数据可根据水冷静压的压力阈值(例如，出阀压力<p12阈值)直接根据维修手册进行判断。
异常检测单元300还可响应于水冷静压状态下的有效进出阀参数低于水冷静压阈值p12而确定水冷系统静压异常。
图5是根据实施例的风力发电机的水冷系统异常检测方法的流程图。
参照图5，根据本公开的实施例的风力发电机的水冷系统异常检测方法可包括如下步骤。在步骤501，采集所述水冷系统的进出阀参数与风力发电机转速，所述进出阀参数包括进阀温度、出阀温度、进阀压力、出阀压力。
数据采集包括根据机型字段获取特定时间(例如，7天或更长时间段，以保证数据量要求)的实时数据。所需数据包括但不限于表1中所列字段。
表1
| 中文名称 | 风机转速 | 风机状态 | 出阀温度 | 进阀温度 |
| 英文名称 | Gen Speed | WT Status | Out Temp | In Temp |
| 中文名称 | 进阀压力 | 出阀压力 | 时间 | 设备编号 |
| 英文名称 | In Press | Out Press |
在步骤502，根据风力发电机转速的运行状态阈值筛选水冷动压状态下的进出阀参数，并且根据进阀温度与出阀温度之间的温度差阈值以及进阀压力与出阀压力之间的压力差阈值进一步筛选水冷动压状态下的有效进出阀参数。
对于水冷动压状态下的机组运行状态参数、水冷出阀温度需满足：
出阀水温：Out Temp>＝p1；
风力发电机转速：Gen Speed>p2。
为了进一步筛选水冷动压状态下的有效进出阀参数，根据传感器数据获得的出阀水温与进阀水温之间进出阀温差，以及进阀压力与出阀压力之间的进出阀压差满足：
进出阀温差：Temp Diff＝Out Temp-In Temp；
进出阀压差：Press Diff＝In Press-Out Press；
进出阀压差：Press Diff>p3；
进出阀温差：p5>Temp Diff>p4。
为了防止数据跳动的影响，可以以特定时间窗口(例如，5分钟)对数据进行滑动处理，处理时去掉每个窗口的极大值并且对处理后压力数据进行错位相减，得到进出阀压力差的错位相减值：Result Diff，这里需要保证进出阀压力差的错位相减值满足p6<ResultDiff<p7。由此得到水冷动压状态下的有效进出阀参数。
在步骤503，将水冷动压状态下的有效进出阀参数输入异常检测模型得到检测结果，所述检测结果用于指示所述水冷系统是否处于动压异常。
根据实施例的异常检测模型可包括线性回归模型。
其中，确立线性回归的一般形式：
根据线性回归的一般形式建立损失函数：
使用正则化项，给梯度下降公式加上一个参数，避免过拟合和欠拟合
最终根据实际情况拟合为获得时间与出阀压力的一次拟合方程：
y＝kx+b 式(4)
其中：
y：拟合水压；
k：拟合系数；
x：时间；
b：拟合水压参数。
当预定周期(例如，一周)的拟合线下降超过下降率阈值p8，则检测结果指示水冷系统处于水冷压力下降过速的动压异常。可选地，当模型拟合方程在预定周期的终点值的压力低于p9，则检测结果指示水冷系统处于水冷动压过低的动压异常。
根据本公开的实施例的风力发电机的水冷系统异常检测方法还可包括步骤504，根据风力发电机转速的待机状态阈值筛选水冷静压状态下的进出阀参数，当机组状态处于待机或者停机状态时满足：
风力发电机转速：Gen Speed<p10。
根据进阀压力与出阀压力的压力差阈值进一步筛选水冷静压状态下的有效进出阀参数。进阀压力与出阀压力差值应当较小或可以是接近0的值，由此满足条件：
压差：Press Diff＝In Press-Out Press<p11。
如果水冷静压状态下的有效进出阀参数低于水冷静压阈值p12，即，Out Press<p12，则可确定水冷系统静压异常。例如，水冷静压阈值p12的额定值可以是2.0bar。
参数说明：
p1：略高于正常温度状态的值(℃)；
p2：正常运行时的风力发电机最低转速(r/s)；
p3：运行时水冷系统进出阀温度最低压力差，应大于0(bar)；
P4：运行时水冷系统进出阀压力最低温度差，最小可为0(℃)；
P5：运行时水冷系统进出阀压力最高温度差(℃)；
P6：筛选有效数据时水冷系统进出阀压力差(bar)下限，应为负数；
P7：筛选有效数据时水冷系统进出阀压力差(bar)上限；
p8：水冷系统出水压允许最高下降量阈值(bar)；
p9：运行状态下允许最低水冷系统出阀压力值(bar)；
p10：风机待机或停机状态下风力发电机的最高转速(r/s)；
p11：风机静压状态时水冷系统进出阀压力差(bar)的筛选值；
P12：根据水冷系统压力手册要求设定出阀压力值，应当比额定值低一些(不同水冷额定压力值有所区别)(bar)。
图6是示例性示出水冷系统进出阀压力的曲线图。图7是根据实施例的原始数据与拟合数据的曲线图。
参照图6，水冷系统进出阀压力随风力发电机的运行状态实时改变，进出阀压力之间的压力差在风力发电机的运行状态和待机状态(或停机状态)下的值差异明显。由此可见，如单独筛选出运行状态下的水冷动压数据，则在长周期下的趋势能够表现出压力差稳定线性的特点。因此，根据本公开的实施例为了使风力发电机在运行期间的水冷动压检测结果更加准确，采用水冷动压状态和水冷静压状态的传感器数据分别处理的方式。参照图7，拟合数据的曲线能够反映出水冷系统压力差的稳定趋势。
根据本公开的实施例，对风力发电场内实际运行的发电机组进行了测试，有效数据模型机组共报出103台，101台判断为异常，准确率为98％(98％＝101/103×100％)。
图8是根据本公开的水冷系统水异常检测装置的结构图。
参照图8，根据本公开的水冷系统水异常检测装置可包括DC/DC电源模块(例如，24V转5V电源模块)510、MCU 520、网络模块530、存储模块(例如，TF卡)540和触摸显示模块550。
图9是根据本公开的水冷系统水异常检测装置的设定单元的示意图。
参照图9，水冷系统异常检测装置还包括：第一设定单元610，用于设定水冷静压阈值；以及第二设定单元620，用于设定水冷动压的下降率阈值和水冷动压的水压阈值。
图10是根据本公开的水冷系统水异常检测装置的显示单元的示意图。
参照图10，水冷系统异常检测装置还包括显示单元，用于显示水压异常的风力发电机的机组编号、水压异常的时间以及水压异常的类型中的一者或多者。
根据本公开的示例性实施例还提供一种存储有计算机程序的计算机可读存储介质。该计算机可读存储介质存储有当被处理器执行时使得处理器执行根据本公开的水冷系统异常检测方法的计算机程序。该计算机可读记录介质是可存储由计算机系统读出的数据的任意数据存储装置。计算机可读记录介质的示例包括：只读存储器、随机存取存储器、只读光盘、磁带、软盘、光数据存储装置和载波(诸如经有线或无线传输路径通过互联网的数据传输)。
根据本公开的示例性实施例还提供一种计算机设备。该计算机设备包括处理器和存储器。存储器用于存储计算机程序。所述计算机程序被处理器执行使得处理器执行根据本公开的水冷系统异常检测方法的计算机程序。
本公开的实施例的水冷系统异常检测装置和方法通过采集SCADA实时数据，无需加装传感设备从而降低检测与运维成本，适用于所有兆瓦级风电机组，实现对于水冷压力异常的预警识别。通过SCADA瞬态数据实时监测水冷压力变化状态，及时发现风机水冷运行中的异常状况，防止冷却介质泄露等异常影响风机运行。根据机组数据条件区分筛选动压、静压两种状态下的传感器数据，并根据风机实际工作机理，采用滑动平均法对数据进行平滑和去噪处理，实现对两种不同状态的覆盖监测，解决了因为数据跳变与风机运行时水冷系统压力不稳定而导致难以构建压力与时间的拟合模型问题。
以上对本公开的具体实施方式进行了详细描述，虽然已表示和描述了一些实施例，但本领域技术人员应该理解，在不脱离由权利要求及其等同物限定其范围的本公开的原理和精神的情况下，可对这些实施例进行修改和变型，这些修改和变型也应在本公开的权利要求的保护范围内。
Claims (14)
1.一种用于风力发电机的水冷系统异常检测装置，其特征在于，所述水冷系统异常检测装置包括：
数据采集单元，被配置为采集所述水冷系统的进出阀参数与风力发电机转速，所述进出阀参数包括进阀温度、出阀温度、进阀压力、出阀压力；
数据筛选单元，被配置为根据风力发电机转速的运行状态阈值筛选水冷动压状态下的进出阀参数，并且根据进阀温度与出阀温度之间的温度差阈值以及进阀压力与出阀压力之间的压力差阈值进一步筛选水冷动压状态下的有效进出阀参数；
异常检测单元，被配置为将水冷动压状态下的有效进出阀参数输入异常检测模型得到检测结果，所述检测结果用于指示所述水冷系统是否处于动压异常。
2.根据权利要求1所述的水冷系统异常检测装置，其特征在于，所述异常检测模型包括线性回归模型，所述线性回归模型包括的损失函数采用梯度下降法拟合，所述拟合具有正则化项，其中正则化项的正则化参数将线性拟合的多项式中的二次项和更高次项的系数进行梯度下降。
3.根据权利要求2所述的水冷系统异常检测装置，其特征在于，所述异常检测单元进一步被配置为：
响应于所述拟合的预定周期拟合线的下降率超过水冷动压的下降率阈值而确定水冷压降过速异常；并且
响应于所述拟合的终点值低于水冷动压的水压阈值而确定水冷动压过低异常。
4.根据权利要求1所述的水冷系统异常检测装置，其特征在于，
所述数据筛选单元还被配置为：根据风力发电机转速的待机状态阈值筛选水冷静压状态下的进出阀参数，并且根据进阀压力与出阀压力的压力差阈值进一步筛选水冷静压状态下的有效进出阀参数；并且
所述异常检测单元还被配置为：响应于水冷静压状态下的有效进出阀参数低于水冷静压阈值而确定水冷系统静压异常。
5.根据权利要求4所述的水冷系统异常检测装置，其特征在于，所述水冷系统异常检测装置还包括：
第一设定单元，设定水冷静压阈值；以及
第二设定单元，设定所述水冷动压的下降率阈值和所述水冷动压的水压阈值。
6.根据权利要求1所述的水冷系统异常检测装置，其特征在于，所述水冷系统异常检测装置还包括：
显示单元，显示水压异常的风力发电机的机组编号、水压异常的时间以及水压异常的类型中的一者或多者。
7.根据权利要求1所述的水冷系统异常检测装置，其特征在于，所述数据采集单元通过监测控制和数据采集系统获取水冷系统在预定时间窗口的进出阀参数和风机转速数据，并且还通过监测控制和数据采集系统获取时间信息和设备信息。
8.一种用于风力发电机的水冷系统异常检测方法，其特征在于，所述方法包括：
采集所述水冷系统的进出阀参数与风力发电机转速，所述进出阀参数包括进阀温度、出阀温度、进阀压力、出阀压力；
根据风力发电机转速的运行状态阈值筛选水冷动压状态下的进出阀参数，并且根据进阀温度与出阀温度之间的温度差阈值以及进阀压力与出阀压力之间的压力差阈值进一步筛选水冷动压状态下的有效进出阀参数；
将水冷动压状态下的有效进出阀参数输入异常检测模型得到检测结果，所述检测结果用于指示所述水冷系统是否处于动压异常。
9.根据权利要求8所述的水冷系统异常检测方法，其特征在于，所述异常检测模型包括线性回归模型，所述线性回归模型包括的损失函数采用梯度下降法拟合，所述拟合具有正则化项，其中正则化项的正则化参数将线性拟合的多项式中的二次项和更高次项的系数进行梯度下降。
10.根据权利要求9所述的水冷系统异常检测方法，其特征在于，所述方法还包括：
响应于所述拟合的预定周期拟合线的下降率超过水冷动压的下降率阈值而确定水冷压降过速异常；以及
响应于所述拟合的终点值低于水冷动压的水压阈值而确定水冷动压过低异常。
11.根据权利要求8所述的水冷系统异常检测方法，其特征在于，所述方法还包括：根据风力发电机转速的待机状态阈值筛选水冷静压状态下的进出阀参数，并且根据进阀压力与出阀压力的压力差阈值进一步筛选水冷静压状态下的有效进出阀参数；并且
响应于水冷静压状态下的有效进出阀参数低于水冷静压阈值而确定水冷系统静压异常。
12.根据权利要求8所述的水冷系统异常检测方法，其特征在于，所述方法还包括：通过监测控制和数据采集系统获取水冷系统在预定时间窗口的进出阀参数和风机转速数据，并且还通过监测控制和数据采集系统获取时间信息和设备信息。
13.一种存储有计算机程序的计算机可读存储介质，其特征在于，当所述计算机程序在被处理器执行时实现如权利要求8至12中任意一项所述的用于风力发电机的水冷系统异常检测方法。
14.一种计算机设备，其特征在于，所述计算机设备包括：
处理器；
存储器，存储有计算机程序，当所述计算机程序被处理器执行时，实现如权利要求8至12中任意一项所述的用于风力发电机的水冷系统异常检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111160188.2A CN113804261B (zh) | 2021-09-30 | 2021-09-30 | 风力发电机的水冷系统异常检测装置和方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111160188.2A CN113804261B (zh) | 2021-09-30 | 2021-09-30 | 风力发电机的水冷系统异常检测装置和方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113804261A true CN113804261A (zh) | 2021-12-17 |
| CN113804261B CN113804261B (zh) | 2024-07-09 |
Family
ID=78897189
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111160188.2A Active CN113804261B (zh) | 2021-09-30 | 2021-09-30 | 风力发电机的水冷系统异常检测装置和方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113804261B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106768000A (zh) * | 2017-01-06 | 2017-05-31 | 科诺伟业风能设备（北京）有限公司 | 一种风力发电机组变流器水冷系统压力异常检测方法 |
| CN107798462A (zh) * | 2017-09-19 | 2018-03-13 | 科诺伟业风能设备（北京）有限公司 | 一种风电场风力发电机组运行异常监测与性能评估系统 |
| CN112727702A (zh) * | 2020-12-11 | 2021-04-30 | 中国大唐集团科学技术研究院有限公司火力发电技术研究院 | 风电机组健康管理及故障预警方法 |
| CN113095607A (zh) * | 2019-12-23 | 2021-07-09 | 新疆金风科技股份有限公司 | 风力发电机组水冷系统的故障诊断方法、装置及系统 |
-
2021
- 2021-09-30 CN CN202111160188.2A patent/CN113804261B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106768000A (zh) * | 2017-01-06 | 2017-05-31 | 科诺伟业风能设备（北京）有限公司 | 一种风力发电机组变流器水冷系统压力异常检测方法 |
| CN107798462A (zh) * | 2017-09-19 | 2018-03-13 | 科诺伟业风能设备（北京）有限公司 | 一种风电场风力发电机组运行异常监测与性能评估系统 |
| CN113095607A (zh) * | 2019-12-23 | 2021-07-09 | 新疆金风科技股份有限公司 | 风力发电机组水冷系统的故障诊断方法、装置及系统 |
| CN112727702A (zh) * | 2020-12-11 | 2021-04-30 | 中国大唐集团科学技术研究院有限公司火力发电技术研究院 | 风电机组健康管理及故障预警方法 |
Non-Patent Citations (1)
| Title |
|---|
| 梁颖: "基于SCADA 系统的大型风电机组在线状态评估及故障定位研究", 《中国优秀硕士学位论文全文数据库（电子期刊）》, no. 8, pages 23 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113804261B (zh) | 2024-07-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP2260268B1 (en) | Method for process monitoring in a utility system | |
| US7729882B2 (en) | Method and system for assessing performance of control systems | |
| KR20140127915A (ko) | 실시간 가스 터빈 성능 경고를 위한 방법 및 시스템 | |
| EP2746885A1 (en) | Method of monitoring the condition of a wind turbine | |
| BR102012007949A2 (pt) | Sistema de avaliação de estado e dispositivo de avaliação de estado | |
| CN107710089B (zh) | 工厂设备诊断装置以及工厂设备诊断方法 | |
| WO2008085706A1 (en) | Method and system for modeling behavior in a process plant | |
| JP7163218B2 (ja) | 監視装置、監視方法、軸振動判定モデルの作成方法及びプログラム | |
| Tsalavoutas et al. | Combining advanced data analysis methods for the constitution of an integrated gas turbine condition monitoring and diagnostic system | |
| JP2011075373A (ja) | 機器診断方法及び機器診断装置 | |
| JP2005345154A (ja) | 異常予兆検出方法および装置 | |
| CN117972600A (zh) | 一种基于多维故障特征学习的风电机组关键部件异常探测方法 | |
| CN117804112B (zh) | 冷热源系统Ai能源效率管理系统 | |
| JP5461136B2 (ja) | プラントの診断方法及び診断装置 | |
| DE102012100010B4 (de) | Detektion einer Dichtungsleckage und Dichtungsölverunreinigung in einem Generator | |
| CN111413096B (zh) | 一种带高温阻断的振动保护系统及方法 | |
| CN113804261B (zh) | 风力发电机的水冷系统异常检测装置和方法 | |
| JP2007026134A (ja) | 異常判定装置 | |
| Haves et al. | Model-based performance monitoring: Review of diagnostic methods and chiller case study | |
| US20150221203A1 (en) | Generator modular continuous monitoring system with remote access capability | |
| US11463032B2 (en) | Detecting rotor anomalies by determining vibration trends during transient speed operation | |
| US7523651B2 (en) | Method for monitoring the state of turbines based on their coasting time | |
| US8892389B1 (en) | Determining a condition of a system based on plural measurements | |
| Ahonen et al. | Pump operation monitoring applying frequency converter | |
| CN110146317A (zh) | 一种建筑物机电设备健康状态的诊断方法和装置 |
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 | ||
| CB03 | Change of inventor or designer information |
Inventor after: Zhang Shuta Inventor after: Yang Yong Inventor after: Jiang Rong Inventor before: Zhang Shuta Inventor before: Yang Yong Inventor before: Jiang Rong |
|
| CB03 | Change of inventor or designer information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |