CN116861219B - 一种风电机组变桨故障诊断方法 - Google Patents
一种风电机组变桨故障诊断方法 Download PDFInfo
- Publication number
- CN116861219B CN116861219B CN202311118626.8A CN202311118626A CN116861219B CN 116861219 B CN116861219 B CN 116861219B CN 202311118626 A CN202311118626 A CN 202311118626A CN 116861219 B CN116861219 B CN 116861219B
- Authority
- CN
- China
- Prior art keywords
- vibration
- signal
- value
- wind turbine
- turbine generator
- 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
- 238000003745 diagnosis Methods 0.000 title claims abstract description 21
- 238000000034 method Methods 0.000 title claims abstract description 19
- 239000013598 vector Substances 0.000 claims description 33
- 238000001914 filtration Methods 0.000 claims description 20
- 230000005856 abnormality Effects 0.000 claims description 9
- 230000003044 adaptive effect Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Operations Research (AREA)
- Artificial Intelligence (AREA)
- Algebra (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Wind Motors (AREA)
Abstract
本发明提供了一种风电机组变桨故障诊断方法,属于风电机组故障诊断技术领域,本发明中采集待测风电机组变桨系统的振动信号,振动信号反映了变桨系统中各部件的工作情况,先对振动信号进行滤波,去除电噪声,再提取滤波信号的振动特征和峰值特征,得到待测特征向量,将待测特征向量与标准特征向量进行比较,得到异常度,在异常度大于异常阈值时,风电机组变桨系统存在故障。
Description
技术领域
本发明涉及风电机组故障诊断技术领域,具体而言,涉及一种风电机组变桨故障诊断方法。
背景技术
风力发电是指把风的动能转为电能,是一种清洁无公害的可再生能源。风电机组的变桨系统用于控制风机叶片角度。
现有风电机组变桨故障诊断方法通过采集风电机组变桨系统的多种传感器信号,基于故障诊断模型进行分类,从而得到风电机组变桨系统的故障类型。故障诊断模型通常采用长短时记忆神经网络和支持向量机等。现有风电机组变桨故障诊断方法需要采集多种传感器信号,故障诊断模型的输入数据庞大,因此,其需要采用的故障诊断模型的结构复杂,计算量大。
发明内容
本发明的目的在于提供一种风电机组变桨故障诊断方法,其解决了现有风电机组变桨故障诊断方法采用的故障诊断模型的结构复杂,计算量大的问题。
本发明的实施例通过以下技术方案实现:一种风电机组变桨故障诊断方法,包括以下步骤:
S1、采集待测风电机组变桨系统的振动信号;
S2、设置自适应滤波单元,对振动信号进行滤波,得到滤波信号;
S3、提取滤波信号的振动特征和峰值特征,得到待测特征向量;
S4、计算待测特征向量与标准特征向量的异常度;
S5、在异常度大于异常阈值时,风电机组变桨系统存在故障。
进一步地,所述S2中自适应滤波单元的表达式为:
其中,为滤波信号中第/>个值,/>为比例系数,/>为振动信号中第/>个值,/>为振动信号中第/>个值,/>为振动信号中邻近/>的值的数量,/>为邻近值的编号。
进一步地,所述比例系数的公式为:
其中,为振动信号中第/>个值,/>为振动信号的均值。
进一步地,所述振动信号的均值的表达式为:
其中,为振动信号中第/>个值,/>为振动信号中第/>个值,/>为振动信号中邻近/>的值的数量。
进一步地,所述S3中振动特征的表达为:
其中,为振动特征,/>为滤波信号中第/>个值,/>为/>的数量。
进一步地,所述S3中峰值特征的表达式为:
其中,为峰值特征,/>为滤波信号中最大值,/>为滤波信号中最小值,/>为滤波信号中第/>个值,/>为/>的数量。
进一步地,所述S4中异常度的计算公式为:
其中,为异常度,/>为待测特征向量中振动特征,/>为待测特征向量中峰值特征,/>为标准特征向量中振动特征,/>为标准特征向量中峰值特征,/>为指数因子。
进一步地,所述指数因子的表达式为:
。
本发明实施例的技术方案至少具有如下优点和有益效果:本发明中采集待测风电机组变桨系统的振动信号,振动信号反映了变桨系统中各部件的工作情况,先对振动信号进行滤波,去除电噪声,再提取滤波信号的振动特征和峰值特征,得到待测特征向量,将待测特征向量与标准特征向量进行比较,得到异常度,在异常度大于异常阈值时,风电机组变桨系统存在故障;本发明中通过振动信号的振动情况反映变桨系统的工作情况,从而避免采用多种传感器采集多种传感信号,造成数据量庞大,同时,再通过待测特征向量与标准特征向量比较,从而得到风电机组变桨系统是否故障,提供一种轻量化的故障诊断方法。
附图说明
图1为一种风电机组变桨故障诊断方法的流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
如图1所示,一种风电机组变桨故障诊断方法,包括以下步骤:
S1、采集待测风电机组变桨系统的振动信号;
S2、设置自适应滤波单元,对振动信号进行滤波,得到滤波信号;
所述S2中自适应滤波单元的表达式为:
其中,为滤波信号中第/>个值,/>为比例系数,/>为振动信号中第/>个值,/>为振动信号中第/>个值,/>为振动信号中邻近/>的值的数量,/>为邻近值的编号。
所述比例系数的公式为:
其中,为振动信号中第/>个值,/>为振动信号的均值。
所述振动信号的均值的表达式为:
其中,为振动信号中第/>个值,/>为振动信号中第/>个值,/>为振动信号中邻近/>的值的数量。
S3、提取滤波信号的振动特征和峰值特征,得到待测特征向量;
所述S3中振动特征的表达为:
其中,为振动特征,/>为滤波信号中第/>个值,/>为/>的数量。
所述S3中峰值特征的表达式为:
其中,为峰值特征,/>为滤波信号中最大值,/>为滤波信号中最小值,/>为滤波信号中第/>个值,/>为/>的数量。
S4、计算待测特征向量与标准特征向量的异常度;
在本实施例中,标准特征向量为正常工作的风电机组变桨系统得到的特征向量。
所述S4中异常度的计算公式为:
其中,为异常度,/>为待测特征向量中振动特征,/>为待测特征向量中峰值特征,/>为标准特征向量中振动特征,/>为标准特征向量中峰值特征,/>为指数因子。
所述指数因子的表达式为:
。
S5、在异常度大于异常阈值时,风电机组变桨系统存在故障。
本发明中采集待测风电机组变桨系统的振动信号,振动信号反映了变桨系统中各部件的工作情况,先对振动信号进行滤波,去除电噪声,再提取滤波信号的振动特征和峰值特征,得到待测特征向量,将待测特征向量与标准特征向量进行比较,得到异常度,在异常度大于异常阈值时,风电机组变桨系统存在故障;本发明中通过振动信号的振动情况反映变桨系统的工作情况,从而避免采用多种传感器采集多种传感信号,造成数据量庞大,同时,再通过待测特征向量与标准特征向量比较,从而得到风电机组变桨系统是否故障,提供一种轻量化的故障诊断方法。
以上仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。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 (4)
1.一种风电机组变桨故障诊断方法,其特征在于,包括以下步骤:
S1、采集待测风电机组变桨系统的振动信号;
S2、设置自适应滤波单元,对振动信号进行滤波,得到滤波信号;
S3、提取滤波信号的振动特征和峰值特征,得到待测特征向量;
S4、计算待测特征向量与标准特征向量的异常度;
S5、在异常度大于异常阈值时,风电机组变桨系统存在故障;
所述S2中自适应滤波单元的表达式为:
其中,为滤波信号中第/>个值,/>为比例系数,/>为振动信号中第/>个值,/>为振动信号中第/>个值,/>为振动信号中邻近/>的值的数量,/>为邻近值的编号;
所述比例系数的公式为:
其中,为振动信号中第/>个值,/>为振动信号的均值;
所述S3中振动特征的表达为:
其中,为振动特征,/>为滤波信号中第/>个值,/>为/>的数量;
所述S3中峰值特征的表达式为:
其中,为峰值特征,/>为滤波信号中最大值,/>为滤波信号中最小值,/>为滤波信号中第/>个值,/>为/>的数量。
2.根据权利要求1所述的风电机组变桨故障诊断方法,其特征在于,所述振动信号的均值的表达式为:
其中,为振动信号中第/>个值,/>为振动信号中第/>个值,/>为振动信号中邻近/>的值的数量。
3.根据权利要求1所述的风电机组变桨故障诊断方法,其特征在于,所述S4中异常度的计算公式为:
其中,为异常度,/>为待测特征向量中振动特征,/>为待测特征向量中峰值特征,为标准特征向量中振动特征,/>为标准特征向量中峰值特征,/>为指数因子。
4.根据权利要求3所述的风电机组变桨故障诊断方法,其特征在于,所述指数因子的表达式为:
。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311118626.8A CN116861219B (zh) | 2023-09-01 | 2023-09-01 | 一种风电机组变桨故障诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311118626.8A CN116861219B (zh) | 2023-09-01 | 2023-09-01 | 一种风电机组变桨故障诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116861219A CN116861219A (zh) | 2023-10-10 |
CN116861219B true CN116861219B (zh) | 2023-12-15 |
Family
ID=88221882
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311118626.8A Active CN116861219B (zh) | 2023-09-01 | 2023-09-01 | 一种风电机组变桨故障诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116861219B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003092531A (ja) * | 2001-09-17 | 2003-03-28 | Nec Corp | 適応ステップサイズ制御適応フィルタ、および適応スケール係数制御方法 |
CN102042166A (zh) * | 2010-11-25 | 2011-05-04 | 华锐风电科技(集团)股份有限公司 | 风电机组振动检测装置及方法 |
CN202547923U (zh) * | 2011-12-14 | 2012-11-21 | 华北电力大学 | 一种风电机组变桨轴承振动检测装置 |
CN105547698A (zh) * | 2015-12-31 | 2016-05-04 | 新疆金风科技股份有限公司 | 滚动轴承的故障诊断方法及装置 |
CN108593293A (zh) * | 2018-03-09 | 2018-09-28 | 中原工学院 | 一种适用于提取轴承故障特征的自适应滤波方法 |
CN108979974A (zh) * | 2018-08-09 | 2018-12-11 | 绵阳鼎飞益电子科技有限公司 | 一种风力发电机组振动监测方法 |
CN109374119A (zh) * | 2018-09-29 | 2019-02-22 | 国网山西省电力公司阳泉供电公司 | 变压器振动信号特征量提取方法 |
KR20210073839A (ko) * | 2019-12-11 | 2021-06-21 | 현대자동차주식회사 | 엔진진동신호를 이용한 기계적 연소 이상 진단 판단방법 및 연소 이상 진단 시스템 |
CN114964769A (zh) * | 2022-04-26 | 2022-08-30 | 东南大学 | 一种风电齿轮箱振动信号故障诊断方法 |
WO2022261805A1 (zh) * | 2021-06-15 | 2022-12-22 | 大连理工大学 | 一种柴油机齿轮箱故障诊断方法 |
CN115539324A (zh) * | 2022-09-23 | 2022-12-30 | 西安热工研究院有限公司 | 一种风电机组故障诊断方法、装置及电子设备 |
CN115683580A (zh) * | 2021-07-26 | 2023-02-03 | 湖南精准信息科技有限公司 | 一种基于相位域自适应滤波的旋转机械故障诊断方法 |
CN116205621A (zh) * | 2022-12-22 | 2023-06-02 | 南方海洋科学与工程广东省实验室(湛江) | 风电机组故障诊断方法、装置、设备及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2994261B1 (fr) * | 2012-07-31 | 2014-07-18 | Eurocopter France | Procede de detection de defauts d'un roulement par analyse vibratoire |
-
2023
- 2023-09-01 CN CN202311118626.8A patent/CN116861219B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003092531A (ja) * | 2001-09-17 | 2003-03-28 | Nec Corp | 適応ステップサイズ制御適応フィルタ、および適応スケール係数制御方法 |
CN102042166A (zh) * | 2010-11-25 | 2011-05-04 | 华锐风电科技(集团)股份有限公司 | 风电机组振动检测装置及方法 |
CN202547923U (zh) * | 2011-12-14 | 2012-11-21 | 华北电力大学 | 一种风电机组变桨轴承振动检测装置 |
CN105547698A (zh) * | 2015-12-31 | 2016-05-04 | 新疆金风科技股份有限公司 | 滚动轴承的故障诊断方法及装置 |
CN108593293A (zh) * | 2018-03-09 | 2018-09-28 | 中原工学院 | 一种适用于提取轴承故障特征的自适应滤波方法 |
CN108979974A (zh) * | 2018-08-09 | 2018-12-11 | 绵阳鼎飞益电子科技有限公司 | 一种风力发电机组振动监测方法 |
CN109374119A (zh) * | 2018-09-29 | 2019-02-22 | 国网山西省电力公司阳泉供电公司 | 变压器振动信号特征量提取方法 |
KR20210073839A (ko) * | 2019-12-11 | 2021-06-21 | 현대자동차주식회사 | 엔진진동신호를 이용한 기계적 연소 이상 진단 판단방법 및 연소 이상 진단 시스템 |
WO2022261805A1 (zh) * | 2021-06-15 | 2022-12-22 | 大连理工大学 | 一种柴油机齿轮箱故障诊断方法 |
CN115683580A (zh) * | 2021-07-26 | 2023-02-03 | 湖南精准信息科技有限公司 | 一种基于相位域自适应滤波的旋转机械故障诊断方法 |
CN114964769A (zh) * | 2022-04-26 | 2022-08-30 | 东南大学 | 一种风电齿轮箱振动信号故障诊断方法 |
CN115539324A (zh) * | 2022-09-23 | 2022-12-30 | 西安热工研究院有限公司 | 一种风电机组故障诊断方法、装置及电子设备 |
CN116205621A (zh) * | 2022-12-22 | 2023-06-02 | 南方海洋科学与工程广东省实验室(湛江) | 风电机组故障诊断方法、装置、设备及存储介质 |
Non-Patent Citations (5)
Title |
---|
基于状态监测的风电机组变桨系统故障诊断;姚万业等;《可再生能源》;第34卷(第3期);437-440 * |
风力机变桨轴承故障诊断的冲击链检测法;马振国等;《机械科学与技术》;第39卷(第09期);1426-1431 * |
风电和抽水蓄能联合送出时大型风电最优入网规模研究;李惠玲等;《电网技术》;第39卷(第10期);2746-2750 * |
风电机组故障诊断方法研究;唐新安等;《风能》(第03期);56-59 * |
风电机组运行工况辨识与变桨系统故障诊断;彭辉灯;《中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑)》(第08期);C042-31 * |
Also Published As
Publication number | Publication date |
---|---|
CN116861219A (zh) | 2023-10-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108412710B (zh) | 一种风电机组风功率数据清洗方法 | |
CN102588210B (zh) | 一种用于功率曲线拟合数据预处理的滤波方法 | |
US9683552B2 (en) | System and method for robust wind turbine operation | |
CN106815771B (zh) | 一种风电场载荷的长期评估方法 | |
WO2022048186A1 (zh) | 振动监控系统、风力发电系统及风电场 | |
CN110362045B (zh) | 一种考虑海洋气象因素的海上双馈风电机组故障判别方法 | |
CN110067708B (zh) | 一种使用功率曲线识别偏航对风不正的方法 | |
CN103925155B (zh) | 一种风电机组输出功率异常的自适应检测方法 | |
CN110094310B (zh) | 一种识别风力发电机偏航对风不正的方法 | |
CN112003564B (zh) | 基于智能终端的分布式光伏系统支路功率异常预警方法 | |
CN103912448A (zh) | 一种区域风电场机组功率特性监测方法 | |
CN103852255B (zh) | 基于神经网络风力发电机组典型传动故障智能诊断方法 | |
CN112065668A (zh) | 一种风电机组状态异常评估方法及系统 | |
CN114966392A (zh) | 一种风机工作异常的检测方法 | |
CN116771610A (zh) | 一种调整风电机组变桨系统故障评估值的方法 | |
CN115263680A (zh) | 一种结合tf-idf和lstm模型的变桨电机异常温升预警方法 | |
CN113468728B (zh) | 一种基于神经网络的变桨系统故障预测方法 | |
CN116861219B (zh) | 一种风电机组变桨故障诊断方法 | |
CN111639852B (zh) | 基于小波奇异值的水电机组振动状态实时评估方法及系统 | |
CN113218653B (zh) | 一种基于消除低频扰动的海上风电齿轮箱监测方法及装置 | |
CN105649896A (zh) | 风电机组智能监控运行控制系统及其控制方法 | |
CN114912807A (zh) | 一种风电机组技改后发电量提升效果评估方法和评估系统 | |
CN111141382B (zh) | 一种基于振动的多维度风机叶片自诊断装置及方法 | |
CN113848347A (zh) | 一种风力发电机测风仪健康状态检测方法 | |
CN114781259A (zh) | 一种风力发电机诊断方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |