CN114580516A - 一种基于工业互联网平台的风力发电机组故障分类方法 - Google Patents

一种基于工业互联网平台的风力发电机组故障分类方法 Download PDF

Info

Publication number
CN114580516A
CN114580516A CN202210184958.5A CN202210184958A CN114580516A CN 114580516 A CN114580516 A CN 114580516A CN 202210184958 A CN202210184958 A CN 202210184958A CN 114580516 A CN114580516 A CN 114580516A
Authority
CN
China
Prior art keywords
fault
data
generating set
wind generating
classification
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.)
Pending
Application number
CN202210184958.5A
Other languages
English (en)
Inventor
宁志
马永辉
严爱民
党龙
杨军
吴大利
苟发海
刘宇
王照阳
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.)
Shaanxi Huadian New Energy Power Generation Co ltd
Nanjing Huadun Power Information Security Evaluation Co Ltd
Original Assignee
Shaanxi Huadian New Energy Power Generation Co ltd
Nanjing Huadun Power Information Security Evaluation 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 Shaanxi Huadian New Energy Power Generation Co ltd, Nanjing Huadun Power Information Security Evaluation Co Ltd filed Critical Shaanxi Huadian New Energy Power Generation Co ltd
Priority to CN202210184958.5A priority Critical patent/CN114580516A/zh
Publication of CN114580516A publication Critical patent/CN114580516A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • 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
    • 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
    • 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)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Sustainable Energy (AREA)
  • Public Health (AREA)
  • Evolutionary Biology (AREA)
  • Sustainable Development (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明属于风力发电技术领域，具体为一种基于工业互联网平台的风力发电机组故障分类方法，其包括以下步骤：步骤一，发电机组划分，按照机组进行分类划分，机组内部按照上下级的分类方式进行分类，主要体现为监控主机‑机组‑单元‑组件‑部件‑零件；步骤二，故障信息采集，在监控主机、机组、单元、组件、部件和零件中设置数据采集器，并对数据采集器按照上下级的关系进行分类，能够根据故障等级快速对故障进行定位，直接将故障定位到问题所在的部件或零件上，无需从上级到下级的层层筛选，提高故障时的检修效率，并且在进行检测数据的上传时，同级别的故障数据更加容易区分，便于对故障信息进行筛分管理。

Description

一种基于工业互联网平台的风力发电机组故障分类方法
技术领域
本发明涉及风力发电技术领域，具体为一种基于工业互联网平台的风力发电机组故障分类方法。
背景技术
随着环境污染问题的日益突出，同时为了克服能源危机，风能作为一种绿色可再生能源越来越受到世界各国的重视，风力发电机组(简称风电机组)作为将风能转化为电能的关键装备得到了迅猛的发展。风电机组通常坐落于偏僻的、交通不便的、环境恶劣的远郊地区以及沿海或近海区域，且机舱一般安装在离地面几十米甚至上百米的高空，因此风电机组日常运行状态检测困难，维护成本昂贵。
随着科技的发展，目前已经能够采用各种传感器对发电机组进行故障斩断和识别，但是发电机组的故障诊断出来之后，采用统一的方式对故障信息进行存储，在后期对故障信息进行查找时，采用树状图的分析方式对故障进行一级一级的查找，无法对故障问题进行快速定位。
发明内容
本部分的目的在于概述本发明的实施方式的一些方面以及简要介绍一些较佳实施方式。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。
鉴于上述和/或现有风力发电机组中存在的问题，提出了本发明。
因此，本发明的目的是提供一种基于工业互联网平台的风力发电机组故障分类方法，能够通过并列分级划分的方式对风力发电机组故障进行分类，与传统的树状图上下级划分方式不同，在故障发生时，能够根据故障等级快速对故障进行定位，直接将故障定位到问题所在的部件或零件上，无需从上级到下级的层层筛选，提高故障时的检修效率，并且在进行检测数据的上传时，同级别的故障数据更加容易区分，便于对故障信息进行筛分管理。
为解决上述技术问题，根据本发明的一个方面，本发明提供了如下技术方案：
一种基于工业互联网平台的风力发电机组故障分类方法，其包括以下步骤：
步骤一，发电机组划分，按照机组进行分类划分，机组内部按照上下级的分类方式进行分类，主要体现为监控主机-机组-单元-组件-部件-零件；
步骤二，故障信息采集，在监控主机、机组、单元、组件、部件和零件中设置数据采集器，并对数据采集器按照上下级的关系进行分类，利用数据采集器对监控主机、机组、单元、组件、部件和零件进行数据检测；
步骤三，数据分级上传，按照零件-部件-组件-单元-机组-监控主机的顺序，将故障数据分级，对风力发电机组的故障信息数据进行采集，通过场级PLC采集器对数据采集器中采集的数据进行连续采集；
步骤四，数据分类存储，按照分级对故障数据进行分类，并将分类后的数据存储在监控中心的服务器中。
作为本发明所述的一种基于工业互联网平台的风力发电机组故障分类方法的一种优选方案，其中：所述步骤一中，发电机组的分类为多个发电机组并联划分。
作为本发明所述的一种基于工业互联网平台的风力发电机组故障分类方法的一种优选方案，其中：所述步骤二中，数据采集器包括检测电路、温湿度传感器、超声波探测仪和转速传感器。
作为本发明所述的一种基于工业互联网平台的风力发电机组故障分类方法的一种优选方案，其中：所述步骤三中，不同等级的故障数据按照发电机组的组别进行并列分类。
作为本发明所述的一种基于工业互联网平台的风力发电机组故障分类方法的一种优选方案，其中：所述步骤四中，检测数据通过5G信息网络传输至监控中心的服务器，并通过网络实现数据的分享与更新。
与现有技术相比：本发明能够通过并列分级划分的方式对风力发电机组故障进行分类，与传统的树状图上下级划分方式不同，在故障发生时，能够根据故障等级快速对故障进行定位，直接将故障定位到问题所在的部件或零件上，无需从上级到下级的层层筛选，提高故障时的检修效率，并且在进行检测数据的上传时，同级别的故障数据更加容易区分，便于对故障信息进行筛分管理。
附图说明
为了更清楚地说明本发明实施方式的技术方案，下面将结合附图和详细实施方式对本发明进行详细说明，显而易见地，下面描述中的附图仅仅是本发明的一些实施方式，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为本发明步骤结构示意图；
图2为本发明数据分级结构示意图。
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，下面结合附图对本发明的具体实施方式做详细的说明。
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方式的限制。
其次，本发明结合示意图进行详细描述，在详述本发明实施方式时，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。
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明的实施方式作进一步地详细描述。
本发明提供一种基于工业互联网平台的风力发电机组故障分类方法，能够通过并列分级划分的方式对风力发电机组故障进行分类，与传统的树状图上下级划分方式不同，在故障发生时，能够根据故障等级快速对故障进行定位，直接将故障定位到问题所在的部件或零件上，无需从上级到下级的层层筛选，提高故障时的检修效率，并且在进行检测数据的上传时，同级别的故障数据更加容易区分，便于对故障信息进行筛分管理，请参阅图1-图2，本实施方式的一种基于工业互联网平台的风力发电机组故障分类方法，其主体部分包括以下步骤。
步骤一，发电机组划分，按照机组进行分类划分，机组内部按照上下级的分类方式进行分类，主要体现为监控主机-机组-单元-组件-部件-零件，监控主机为单独的监控机构，用于对故障信息进行汇总分析，对不同的发电机组进行故障监管，每个发电机组内部按照机构的不同进行分组分类，实现从上级到下级的树状图式的结构分类，便于在故障时直接定位问题所在的机组、单元、组件、部件或是零件上。
步骤二，故障信息采集，在监控主机、机组、单元、组件、部件和零件中设置数据采集器，并对数据采集器按照上下级的关系进行分类，利用数据采集器对监控主机、机组、单元、组件、部件和零件进行数据检测，故障信息采集针对的内容主要为：单元组件之间的电路连接、部件之间的传动连接、零件之间的结构问题和工作过程中的功率转换问题，数据采集器包括检测电路、温湿度传感器、超声波探测仪和转速传感器，对分级够的电路、部件传动和零件结构进行检测。
步骤三，数据分级上传，按照零件-部件-组件-单元-机组-监控主机的顺序，将故障数据分级，对风力发电机组的故障信息数据进行采集，通过场级PLC采集器对数据采集器中采集的数据进行连续采集，实现数据的实时更新。
步骤四，数据分类存储，按照分级对故障数据进行分类，并将分类后的数据存储在监控中心的服务器中，工作人员在监控中心对故障信息进行监管。
所述步骤一中，发电机组的分类为发电机组并联划分，每个发电机组内部再按照分级划分的方式进行划分。
所述步骤三中，不同等级的故障数据按照发电机组的组别进行并列分类，每个发电机组均列有分等级的故障数据，由于发电机组之间的工作情况不同，采用，每个发电机组均单独划分，避免数据紊乱。
所述步骤四中，检测数据通过5G信息网络传输至监控中心的服务器，并通过网络实现数据的分享与更新，便于对数据进行传输。
通过传感器对外部风速进行检测，风速为v；
通过转速传感器对发电机组的转轴转速进行检测，转轴转速为ω；
根据风速和转轴转速计算得出风能的转换效率为w＝v/ω；
在齿轮传动中，齿轮的传动比为：构件a和构件b的传动比为i＝ωa/ωb＝na/nb，式中ωa和ωb分别为构件a和b的角速度(弧度/秒)；na和nb分别为构件a和b的转速(转/分)，通过计算齿轮的传动比，将发电机组风力带动主轴的传动效率计算出来，然后根据实际产生的发电功率，对发电组的损耗部分进行分析计算；
其中，发电机的电流计算：
Figure BDA0003522803200000051
式中：
P——功率kW，
U——电压v，
I——电流A，
Figure BDA0003522803200000052
——功率因素，小于1。
在发电机组工作过程中，计算得出发电机组的能量损耗，若能量损耗较大，则说明发电机组中的传动部件存在故障，此时，对发电机组中的传动部件进行故障分析识别，然后快速找出故障位置，对故障的零部件进行维护，降低能量损耗，提高风力发电效率。
在具体的使用时，通过并列分级划分的方式对风力发电机组故障进行分类，采集的故障数据通过互联网平台进行传输，与传统的树状图上下级划分方式不同，在故障发生时，能够根据故障等级快速对故障进行定位，直接将故障定位到问题所在的部件或零件上，无需从上级到下级的层层筛选，提高故障时的检修效率，同级别的故障数据在上传时，由于同级别内部结构相同，其数据种类均为同种数据，更加容易区分，便于对故障信息进行筛分管理。
虽然在上文中已经参考实施方式对本发明进行了描述，然而在不脱离本发明的范围的情况下，可以对其进行各种改进并且可以用等效物替换其中的部件。尤其是，只要不存在结构冲突，本发明所披露的实施方式中的各项特征均可通过任意方式相互结合起来使用，在本说明书中未对这些组合的情况进行穷举性的描述仅仅是出于省略篇幅和节约资源的考虑。因此，本发明并不局限于文中公开的特定实施方式，而是包括落入权利要求的范围内的所有技术方案。

Claims (5)

1.一种基于工业互联网平台的风力发电机组故障分类方法，其特征在于，包括以下步骤：
步骤一，发电机组划分，按照机组进行分类划分，机组内部按照上下级的分类方式进行分类，主要体现为监控主机-机组-单元-组件-部件-零件；
步骤二，故障信息采集，在监控主机、机组、单元、组件、部件和零件中设置数据采集器，并对数据采集器按照上下级的关系进行分类，利用数据采集器对监控主机、机组、单元、组件、部件和零件进行数据检测；
步骤三，数据分级上传，按照零件-部件-组件-单元-机组-监控主机的顺序，将故障数据分级，对风力发电机组的故障信息数据进行采集，通过场级PLC采集器对数据采集器中采集的数据进行连续采集；
步骤四，数据分类存储，按照分级对故障数据进行分类，并将分类后的数据存储在监控中心的服务器中。
2.根据权利要求1所述的一种基于工业互联网平台的风力发电机组故障分类方法，其特征在于，所述步骤一中，发电机组的分类为多个发电机组并联划分。
3.根据权利要求1所述的一种基于工业互联网平台的风力发电机组故障分类方法，其特征在于，所述步骤二中，数据采集器包括检测电路、温湿度传感器、超声波探测仪和转速传感器。
4.根据权利要求1所述的一种基于工业互联网平台的风力发电机组故障分类方法，其特征在于，所述步骤三中，不同等级的故障数据按照发电机组的组别进行并列分类。
5.根据权利要求1所述的一种基于工业互联网平台的风力发电机组故障分类方法，其特征在于，所述步骤四中，检测数据通过5G信息网络传输至监控中心的服务器，并通过网络实现数据的分享与更新。
CN202210184958.5A 2022-02-28 2022-02-28 一种基于工业互联网平台的风力发电机组故障分类方法 Pending CN114580516A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210184958.5A CN114580516A (zh) 2022-02-28 2022-02-28 一种基于工业互联网平台的风力发电机组故障分类方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210184958.5A CN114580516A (zh) 2022-02-28 2022-02-28 一种基于工业互联网平台的风力发电机组故障分类方法

Publications (1)

Publication Number Publication Date
CN114580516A true CN114580516A (zh) 2022-06-03

Family

ID=81777056

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210184958.5A Pending CN114580516A (zh) 2022-02-28 2022-02-28 一种基于工业互联网平台的风力发电机组故障分类方法

Country Status (1)

Country Link
CN (1) CN114580516A (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111222467A (zh) * 2020-01-08 2020-06-02 燕山大学 一种风力发电机部件故障分类检测方法
CN113781257A (zh) * 2021-08-10 2021-12-10 浙江运达风电股份有限公司 一种风电机组故障数据分类存储的方法及系统
CN113806893A (zh) * 2021-11-16 2021-12-17 常州和利时信息系统工程有限公司 基于工业互联网的风机状态监测与故障诊断方法及系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111222467A (zh) * 2020-01-08 2020-06-02 燕山大学 一种风力发电机部件故障分类检测方法
CN113781257A (zh) * 2021-08-10 2021-12-10 浙江运达风电股份有限公司 一种风电机组故障数据分类存储的方法及系统
CN113806893A (zh) * 2021-11-16 2021-12-17 常州和利时信息系统工程有限公司 基于工业互联网的风机状态监测与故障诊断方法及系统

Similar Documents

Publication Publication Date Title
Wang et al. SCADA data based condition monitoring of wind turbines
Pérez et al. Wind turbine reliability analysis
CN106124982A (zh) 一种风电机组的自动专家综合故障诊断系统及诊断方法
CN103343728A (zh) 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
CN202547923U (zh) 一种风电机组变桨轴承振动检测装置
CN105257470B (zh) 一种风电机组风向补偿优化方法及装置
CN114444382A (zh) 基于机器学习算法的风电机组齿轮箱故障诊断分析方法
CN102706885A (zh) 一种风力发电机组叶片损伤在线检测系统
CN116609055A (zh) 一种运用图卷积神经网络诊断风电齿轮箱故障的方法
CN104533730A (zh) 一种风力发电机组状态监测系统
Purarjomandlangrudi et al. Fault detection in wind turbine: a systematic literature review
CN104792520A (zh) 风力发电机组齿轮箱故障诊断方法
Ren et al. Machine learning applications in health monitoring of renewable energy systems
CN114295367B (zh) 一种风电机组齿轮箱工况在线监测方法
CN116146434A (zh) 一种基于风功率实测数据的风电机组健康状态实时评价方法
CN202994473U (zh) 风力发电机组振动在线监测与故障诊断系统
CN202453182U (zh) 一种风电机组齿轮箱故障诊断装置
WO2022100046A1 (zh) 一种基于零值比例频谱特征的机械传动故障检测方法
CN112177865B (zh) 一种用于解决风机故障检测中标记噪音和标记不足的方法
CN114580516A (zh) 一种基于工业互联网平台的风力发电机组故障分类方法
CN108491622A (zh) 一种风电机组的故障诊断方法及系统
CN106677985A (zh) 一种风力发电机组评估系统及其预测控制服务系统
CN218439629U (zh) 一种基于5g+工业互联网的风电机组状态监测系统
CN116205631A (zh) 基于蜻蜓算法的vmd-ceemd风电机组齿轮箱振动故障解析方法
CN113915078B (zh) 光纤光栅式风电机组叶片工况智能识别方法及系统

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