CN118277850A - 一种风机叶片质量检测方法及系统 - Google Patents
一种风机叶片质量检测方法及系统 Download PDFInfo
- Publication number
- CN118277850A CN118277850A CN202410307022.6A CN202410307022A CN118277850A CN 118277850 A CN118277850 A CN 118277850A CN 202410307022 A CN202410307022 A CN 202410307022A CN 118277850 A CN118277850 A CN 118277850A
- Authority
- CN
- China
- Prior art keywords
- quality
- preset
- data
- fan blade
- coefficient
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 50
- 238000013441 quality evaluation Methods 0.000 claims abstract description 65
- 238000012544 monitoring process Methods 0.000 claims abstract description 45
- 238000012545 processing Methods 0.000 claims abstract description 20
- 238000000034 method Methods 0.000 claims abstract description 18
- 230000002159 abnormal effect Effects 0.000 claims description 34
- 238000000605 extraction Methods 0.000 claims description 34
- 239000011159 matrix material Substances 0.000 claims description 23
- 238000006243 chemical reaction Methods 0.000 claims description 10
- 238000011156 evaluation Methods 0.000 claims description 9
- 238000012216 screening Methods 0.000 claims description 9
- 238000001303 quality assessment method Methods 0.000 claims description 8
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000004140 cleaning Methods 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 3
- 238000010248 power generation Methods 0.000 abstract description 6
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 241000886569 Cyprogenia stegaria Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010224 classification analysis Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
Landscapes
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本申请涉及风机叶片检测技术领域,公开了一种风机叶片质量检测方法及系统,该方法包括:基于风机叶片的叶片故障类型建立对应的在线检测模型,并根据在线检测模型对相应的多源监测数据进行分析处理;基于分析结果确定质量评价值,根据质量评价值确定风机叶片的运行状态;根据运行状态判断是否发送告警信号,若发送告警信号,根据运行状态生成调整指令;通过构建在线检测模型,对多源监测数据进行分类并分析,根据多个分析结果确定质量评价值,根据质量评价值判断是否发送告警信号并制定调整指令,对风机叶片进行多维度分析,从而提高风机叶片运行状态检测的精准度,并及时制定调整策略,提高风机的发电效率。
Description
技术领域
本申请涉及风机叶片检测技术领域,特别是涉及一种风机叶片质量检测方法及系统。
背景技术
风机叶片作为风机关键零部件之一,其状态的好坏会直接影响风机的发电效率,叶片在旋转过程中,当叶片由上方转到下方时,受力改变并且交替变化,以及风的不稳定性,这些都会引起风机的振动,但是风机的振动超标后,会引起轴承座或电机轴承的损坏、电机地脚螺栓松动、风机机壳、叶片和风道损坏、电机烧损发热等故障。
现有技术中,通过振动传感器进行监测,根据监测数据判断风机叶片质量,但是根据单一振动传感器不能判断风机叶片是否损伤,不能保证叶片质量检测的准确性,从而不能及时的发现风机叶片故障,降低风电机组的发电效率。
发明内容
为解决上述技术问题,本申请提供了一种风机叶片质量检测方法及系统,通过构建在线检测模型,对多源监测数据进行分类并分析,根据多个分析结果确定质量评价值,根据质量评价值判断是否发送告警信号并制定调整指令,对风机叶片进行多维度分析,从而提高风机叶片运行状态检测的精准度,并及时制定调整策略,提高风机的发电效率。
本申请的一些实施例中,提供了一种风机叶片质量检测方法,包括:
基于风机叶片的叶片故障类型建立对应的在线检测模型,并根据在线检测模型对相应的多源监测数据进行分析处理;
基于分析结果确定质量评价值,根据质量评价值确定风机叶片的运行状态;
根据运行状态判断是否发送告警信号,若发送告警信号,根据运行状态生成调整指令。
在本申请的一些实施例中,根据在线检测模型对相应的多源监测数据进行分析处理,包括:
获取风机叶片的历史故障数据,根据历史故障数据确定风机叶片对应的叶片故障类型;
基于所述叶片故障类型进行反向分析,从而得到对应的反向分析数据以及反向分析数据等级,从而确定对应的在线检测模型;
获取风机叶片的多源监测数据,基于多源监测数据的来源以及来源对应的故障类型,进行多源检测数据的第一分类;
基于多源监测数据的监测设备种类,对多源监测数据进行第二分类,并基于第一分类和第二分类结合得到多源监测数据的分类结果;
基于分类结果和在线检测模型对多源监测数据进行分类处理,得到质量分析数据。
在本申请的一些实施例中,基于分析结果确定质量评价值,包括:
对质量分析数据进行预处理,并将同一类别的质量分析数据进行标准化处理,得到标准质量分析数据,根据标准质量分析数据生成标准化数据集并构建标准化矩阵;
对标准化矩阵中同类别的标准质量分析数据进行特征因子提取,构建特征因子矩阵;
根据特征因子矩阵中同类别的特征因子所涉及的标准质量分析数据与预设分析数据进行分析;
根据每一分析结果超出对应预设分析数据范围的分析结果进行提取,得到第一质量评价指标;
将标准质量分析数据超出对应预设分析数据范围的部分进行结果转换,从而确定当前分析结果的数据偏差区间,根据数据偏差区间得到第二质量评价指标;
根据第一质量评价值指标及第二质量评价指标按照对应特征因子的影响权重进行加权处理,生成当前标准质量分析数据的质量评价值。
在本申请的一些实施例中,所述预处理包括时间单位统一化、去除异常值、填补缺失值以及数据清洗处理;
所述标准化处理用于将同类别的质量分析数据进行标准化;
其中,x′(i)为同类别中的第i个数据x(i)的标准质量分析数据,n为同一类别中的数据个数;
根据不同类别的多个标准质量分析数据生成标准化数据集;
根据标准化数据集构建标准化矩阵W;
其中,xg′(i)为第g个类别中第i个数据的标准质量分析数据,其中,g=1,2,…m,i=1,2,…n;
提取单元,用于根据相关系数集对标准化矩阵W中同类别的标准质量分析数据进行特征因子提取,构建特征因子矩阵WT;
其中,x1T为第1类别中的特征因子,e1′(i)为第1类别中第i个标准质量分析数据对应的相关系数,∝为筛选公式,其中,筛选公式用于筛选出相关系数大于预设相关系数阈值的标准质量分析数据,xmT为第m类别中的特征因子,em′(i)为第m类别中第i个标准质量分析数据对应的相关系数。
在本申请的一些实施例中,生成当前标准质量分析数据的质量评价值,包括:
根据每一分析结果超出对应预设分析数据范围的分析结果进行提取,得到提取个数,根据提取个数与预设个数区间的关系,确定当前提取个数对应的第一质量系数s,将第一质量系数s设定为第一质量评价指标的量化值;
根据数据偏差区间确定当前标准质量分析数据的偏差等级,根据偏差等级与预设偏差等级之间的关系,确定每个偏差等级对应的第二质量系数d,将第二质量系数d设定为第二质量评价指标的量化值;
根据第一质量评价指标的量化值、第二质量评价指标的量化值以及对应特征因子的影响权重,生成当前标准质量分析数据的质量评价值K;
其中,r为提取个数,dj为第j个偏差等级对应的第二质量系数,tj为第j个偏差等级所涉及的标准质量分析数据对应特征因子的权重系数,y1为第一质量系数对应的权重系数,y2为第二质量系数对应的权重系数。
在本申请的一些实施例中,根据提取个数与预设个数区间的关系,确定当前提取个数对应的第一质量系数s,包括:
预先设定第一预设个数区间,第二预设个数区间,第三预设个数区间和第四预设个数区间;
当提取个数处于第一预设个数区间时,选定第四预设第一质量系数s4为第一质量系数s,即s=s4;
当提取个数处于第二预设个数区间时,选定第三预设第一质量系数s3为第一质量系数s,即s=s3;
当提取个数处于第三预设个数区间时,选定第二预设第一质量系数s2为第一质量系数s,即s=s2;
当提取个数处于第四预设个数区间时,选定第一预设第一质量系数s1为第一质量系数s,即s=s1;
其中,0<s1<s2<s3<s4<1。
在本申请的一些实施例中,根据偏差等级与预设偏差等级之间的关系,确定每个偏差等级对应的第二质量系数d,包括:
预先设定第一预设偏差等级,第二预设偏差等级和第三预设偏差等级,且第一预设偏差等级小于第二预设偏差等级,第二预设偏差等级小于第三预设偏差等级;
当偏差等级小于第一预设偏差等级时,选定第四预设第二质量系数d4为第二质量系数d,即d=d4;
当偏差等级处于第一预设偏差等级和第二预设偏差等级之间时,选定第三预设第二质量系数d3为第二质量系数d,即d=d3;
当偏差等级处于第二预设偏差等级和第三预设偏差等级之间时,选定第二预设第二质量系数d2为第二质量系数d,即d=d2;
当偏差等级大于第三预设偏差等级时,选定第一预设第二质量系数d1为第二质量系数d,即d=d1;
其中,0<d1<d2<d3<d4<1。
在本申请的一些实施例中,根据质量评价值确定风机叶片的运行状态,包括:
预先设定预设评价值阈值;
当质量评价值小于预设评价值阈值时,确定风机叶片的运行状态为异常状态;
当质量评价值不小于预设评价值阈值时,确定风机叶片的运行状态为正常状态。
在本申请的一些实施例中,若发送告警信号,根据运行状态生成调整指令,包括:
获取风机叶片处于异常状态的标准质量分析数据得到异常标准质量分析数据,并获取异常标准质量分析数据对应特征因子的影响权重;
基于异常状态进行状态数据转化,并基于状态数据转化结果及对应影响权重对风机叶片的异常标准质量分析数据进行排序;
将排序最高的异常标准质量分析数据作为调整数据,根据调整数据对应的预设分析数据生成调整指令。
在本申请的一些实施例中,还包括一种风机叶片质量检测系统:
检测模块,用于基于风机叶片的叶片故障类型建立对应的在线检测模型,并根据在线检测模型对相应的多源监测数据进行分析处理;
确定模块,用于基于每一分析结果确定对应的质量评价值,根据质量评价值确定风机叶片的运行状态;
调整模块,用于根据运行状态判断是否发送告警信号,若发送告警信号,根据运行状态生成调整指令。
本申请实施例的一种风机叶片质量检测方法及系统,与现有技术相比,其有益效果在于:
通过构建在线检测模型,对多源监测数据进行分类并分析,根据多个分析结果确定质量评价值,根据质量评价值判断是否发送告警信号并制定调整指令,对风机叶片进行多维度分析,从而提高风机叶片运行状态检测的精准度,并及时制定调整策略,提高风机的发电效率。
附图说明
图1是本申请实施例优选实施例中一种风机叶片质量检测方法的流程示意图;
图2是本申请实施例优选实施例中一种风机叶片质量检测系统的示意图。
具体实施方式
下面结合附图和实施例,对本申请的具体实施方式作进一步详细描述。以下实施例用于说明本申请,但不用来限制本申请的范围。
在本申请的描述中,需要理解的是,术语“中心”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“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申请和简化描述,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申请的限制。
术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中,除非另有说明,“多个”的含义是两个或两个以上。
在本申请的描述中,需要说明的是,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,也可以是可拆卸连接,或一体的连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,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申请中的具体含义。
如图1所示,本申请实施例优选实施例的一种风机叶片质量检测方法,包括:
步骤S101:基于风机叶片的叶片故障类型建立对应的在线检测模型,并根据在线检测模型对相应的多源监测数据进行分析处理;
步骤S102:基于分析结果确定质量评价值,根据质量评价值确定风机叶片的运行状态;
步骤S103:根据运行状态判断是否发送告警信号,若发送告警信号,根据运行状态生成调整指令。
在本实施例中,在线检测模型是指根据风机叶片的故障类型进行多源监测数据的采集,并根据采集结果构建以多源监测数据为输入的在线检测模型,从而实现对风机叶片多源监测数据的目标,提高对风机叶片质量检测的准确性。
在本申请的一些实施例中,根据在线检测模型对相应的多源监测数据进行分析处理,包括:
获取风机叶片的历史故障数据,根据历史故障数据确定风机叶片对应的叶片故障类型;
基于所述叶片故障类型进行反向分析,从而得到对应的反向分析数据以及反向分析数据等级,从而确定对应的在线检测模型;
获取风机叶片的多源监测数据,基于多源监测数据的来源以及来源对应的故障类型,进行多源检测数据的第一分类;
基于多源监测数据的监测设备种类,对多源监测数据进行第二分类,并基于第一分类和第二分类结合得到多源监测数据的分类结果;
基于分类结果和在线检测模型对多源监测数据进行分类处理,得到质量分析数据。
在本实施例中,叶片故障类型包括叶片覆冰、叶片破损和叶片根部连接螺栓松动等,反向分析是将风机叶片的叶片故障类型反向分析,从而得到与风机叶片故障相关的监测数据的过程。
在本实施例中,数据来源包括观测数据、分析测定数据和遥感数据等,根据数据来源所判断的故障类型进行第一分类,监测设备种类包括传感器、摄像头等。
在本实施例中,通过对多源数据进行分类,并进行分类分析,可以使分析结果更加准确,从而得到更为准确的风机叶片的运行状态。
在本申请的一些实施例中,基于分析结果确定质量评价值,包括:
对质量分析数据进行预处理,并将同一类别的质量分析数据进行标准化处理,得到标准质量分析数据,根据标准质量分析数据生成标准化数据集并构建标准化矩阵;
对标准化矩阵中同类别的标准质量分析数据进行特征因子提取,构建特征因子矩阵;
根据特征因子矩阵中同类别的特征因子所涉及的标准质量分析数据与预设分析数据进行分析;
根据每一分析结果超出对应预设分析数据范围的分析结果进行提取,得到第一质量评价指标;
将标准质量分析数据超出对应预设分析数据范围的部分进行结果转换,从而确定当前分析结果的数据偏差区间,根据数据偏差区间得到第二质量评价指标;
根据第一质量评价值指标及第二质量评价指标按照对应特征因子的影响权重进行加权处理,生成当前标准质量分析数据的质量评价值。
在本申请的一些实施例中,所述预处理包括时间单位统一化、去除异常值、填补缺失值以及数据清洗处理;
所述标准化处理用于将同类别的质量分析数据进行标准化;
其中,x′(i)为同类别中的第i个数据x(i)的标准质量分析数据,n为同一类别中的数据个数;
根据不同类别的多个标准质量分析数据生成标准化数据集;
根据标准化数据集构建标准化矩阵W;
其中,xg′(i)为第g个类别中第i个数据的标准质量分析数据,其中,g=1,2,…m,i=1,2,…n;
提取单元,用于根据相关系数集对标准化矩阵W中同类别的标准质量分析数据进行特征因子提取,构建特征因子矩阵WT;
其中,x1T为第1类别中的特征因子,e1′(i)为第1类别中第i个标准质量分析数据对应的相关系数,∝为筛选公式,其中,筛选公式用于筛选出相关系数大于预设相关系数阈值的标准质量分析数据,xmT为第m类别中的特征因子,em′(i)为第m类别中第i个标准质量分析数据对应的相关系数。
在本实施例中,统一化是对数据进行统一处理,确保数据具有相似的尺度和分布,缺失值是数据中存在的异常丢失等情况,异常值是数据集中与其他数据有明显差异的数据,数据清洗处理是对数据集中存在错误、不一致或不完整的数据进行识别和纠正的过程。
在本实施例中,参数种类包括温度、压力和振动频率、振动时间等。
在本实施例中,通过预处理和标准化单元,对质量分析数据进行统一处理,提高了质量分析数据的质量和可信度,为后续确定风机叶片的质量评价值奠定数据基础,保证风机叶片状态检测的准确度。
在本实施例中,相关系数集是指标准质量分析数据对风机叶片运行状态的影响程度生成的,当标准质量分析数据波动引起风机叶片运行状态的变化,根据变化程度生成相关系数,当变化程度越大即影响程度越大,则相关系数越大。
在本实施例中,同类别中的特征因子,例如振动频率类别中的叶片振动频率,叶片振动频率的相关系数大于预设相关系数阈值,则将叶片振动频率设定为振动频率类别中的特征因子。
在本实施例中,根据构建标准化矩阵以及特征因子矩阵,实现对不同类别的特征因子进行分析,为后续生成质量评价值奠定基础,降低对大量数据分析的难度,提取特征因子对应的标准质量分析数据,保证风机叶片检测的准确度的同时提升分析速度。
在本申请的一些实施例中,生成当前标准质量分析数据的质量评价值,包括:
根据每一分析结果超出对应预设分析数据范围的分析结果进行提取,得到提取个数,根据提取个数与预设个数区间的关系,确定当前提取个数对应的第一质量系数s,将第一质量系数s设定为第一质量评价指标的量化值;
根据数据偏差区间确定当前标准质量分析数据的偏差等级,根据偏差等级与预设偏差等级之间的关系,确定每个偏差等级对应的第二质量系数d,将第二质量系数d设定为第二质量评价指标的量化值;
根据第一质量评价指标的量化值、第二质量评价指标的量化值以及对应特征因子的影响权重,生成当前标准质量分析数据的质量评价值K;
其中,r为提取个数,dj为第j个偏差等级对应的第二质量系数,tj为第j个偏差等级所涉及的标准质量分析数据对应特征因子的权重系数,y1为第一质量系数对应的权重系数,y2为第二质量系数对应的权重系数。
在本申请的一些实施例中,根据提取个数与预设个数区间的关系,确定当前提取个数对应的第一质量系数s,包括::
预先设定第一预设个数区间,第二预设个数区间,第三预设个数区间和第四预设个数区间;
当提取个数处于第一预设个数区间时,选定第四预设第一质量系数s4为第一质量系数s,即s=s4;
当提取个数处于第二预设个数区间时,选定第三预设第一质量系数s3为第一质量系数s,即s=s3;
当提取个数处于第三预设个数区间时,选定第二预设第一质量系数s2为第一质量系数s,即s=s2;
当提取个数处于第四预设个数区间时,选定第一预设第一质量系数s1为第一质量系数s,即s=s1;
其中,0<s1<s2<s3<s4<1。
在本实施例中,当提取个数越大时,说明每一分析结果超出对应预设分析数据范围的分析结果越多,风机叶片越容易出现故障,从而质量评价值越小,可提高风机叶片状态的检测精确度,对风机叶片及时调整,提高风机的运行效率。
在本申请的一些实施例中,根据偏差等级与预设偏差等级之间的关系,确定每个偏差等级对应的第二质量系数d,包括:
预先设定第一预设偏差等级,第二预设偏差等级和第三预设偏差等级,且第一预设偏差等级小于第二预设偏差等级,第二预设偏差等级小于第三预设偏差等级;
当偏差等级小于第一预设偏差等级时,选定第四预设第二质量系数d4为第二质量系数d,即d=d4;
当偏差等级处于第一预设偏差等级和第二预设偏差等级之间时,选定第三预设第二质量系数d3为第二质量系数d,即d=d3;
当偏差等级处于第二预设偏差等级和第三预设偏差等级之间时,选定第二预设第二质量系数d2为第二质量系数d,即d=d2;
当偏差等级大于第三预设偏差等级时,选定第一预设第二质量系数d1为第二质量系数d,即d=d1;
其中,0<d1<d2<d3<d4<1。
在本实施例中,当数据偏差区间越大时,偏差等级越高,当偏差等级越高时,第二质量系数越小,从而导致质量评价值越小,风机叶片的运行状态越差从而导致叶片异常,降低风机的工作效率。
在本申请的一些实施例中,根据质量评价值确定风机叶片的运行状态,包括:
预先设定预设评价值阈值;
当质量评价值小于预设评价值阈值时,确定风机叶片的运行状态为异常状态;
当质量评价值不小于预设评价值阈值时,确定风机叶片的运行状态为正常状态。
在本申请的一些实施例中,若发送告警信号,根据运行状态生成调整指令,包括:
获取风机叶片处于异常状态的标准质量分析数据得到异常标准质量分析数据,并获取异常标准质量分析数据对应特征因子的影响权重;
基于异常状态进行状态数据转化,并基于状态数据转化结果及对应影响权重对风机叶片的异常标准质量分析数据进行排序;
将排序最高的异常标准质量分析数据作为调整数据,根据调整数据对应的预设分析数据生成调整指令。
在本实施例中,状态数据转化是指将异常标准质量分析数据对应的异常状态进行转化,从而使得转化后的结果易于计算,从而确定异常标准质量分析数据的排列顺序。
在本实施例中,异常标准质量分析数据是指标准质量分析数据中处于异常状态的数据,影响权重是每个异常标准质量分析数据对应特征因子的相关系数。
在本实施例中,通过对风机叶片的异常状态对应的异常标准质量分析数据进行提取,及时对异常状态的风机叶片进行调整,从而提高风机叶片的寿命以及风机的工作效率。
在本申请的一些实施例中,如图2所示,还包括一种风机叶片质量检测系统:
检测模块,用于基于风机叶片的叶片故障类型建立对应的在线检测模型,并根据在线检测模型对相应的多源监测数据进行分析处理;
确定模块,用于基于每一分析结果确定对应的质量评价值,根据质量评价值确定风机叶片的运行状态;
调整模块,用于根据运行状态判断是否发送告警信号,若发送告警信号,根据运行状态生成调整指令。。
综上所述,本发明公开了一种风机叶片质量检测方法及系统,该方法包括:基于风机叶片的叶片故障类型建立对应的在线检测模型,并根据在线检测模型对相应的多源监测数据进行分析处理;基于分析结果确定质量评价值,根据质量评价值确定风机叶片的运行状态;根据运行状态判断是否发送告警信号,若发送告警信号,根据运行状态生成调整指令;通过构建在线检测模型,对多源监测数据进行分类并分析,根据多个分析结果确定质量评价值,根据质量评价值判断是否发送告警信号并制定调整指令,对风机叶片进行多维度分析,从而提高风机叶片运行状态检测的精准度,并及时制定调整策略,提高风机的发电效率。
以上所述仅是本申请的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请技术原理的前提下,还可以做出若干改进和替换,这些改进和替换也应视为本申请的保护范围。
Claims (10)
1.一种风机叶片质量检测方法,其特征在于,包括:
基于风机叶片的叶片故障类型建立对应的在线检测模型,并根据在线检测模型对相应的多源监测数据进行分析处理;
基于分析结果确定质量评价值,根据质量评价值确定风机叶片的运行状态;
根据运行状态判断是否发送告警信号,若发送告警信号,根据运行状态生成调整指令。
2.如权利要求1所述的风机叶片质量检测方法,其特征在于,根据在线检测模型对相应的多源监测数据进行分析处理,包括:
获取风机叶片的历史故障数据,根据历史故障数据确定风机叶片对应的叶片故障类型;
基于所述叶片故障类型进行反向分析,从而得到对应的反向分析数据以及反向分析数据等级,从而确定对应的在线检测模型;
获取风机叶片的多源监测数据,基于多源监测数据的来源以及来源对应的故障类型,进行多源检测数据的第一分类;
基于多源监测数据的监测设备种类,对多源监测数据进行第二分类,并基于第一分类和第二分类结合得到多源监测数据的分类结果;
基于分类结果和在线检测模型对多源监测数据进行分类处理,得到质量分析数据。
3.如权利要求2所述的风机叶片质量检测方法,其特征在于,基于分析结果确定质量评价值,包括:
对质量分析数据进行预处理,并将同一类别的质量分析数据进行标准化处理,得到标准质量分析数据,根据标准质量分析数据生成标准化数据集并构建标准化矩阵;
对标准化矩阵中同类别的标准质量分析数据进行特征因子提取,构建特征因子矩阵;
根据特征因子矩阵中同类别的特征因子所涉及的标准质量分析数据与预设分析数据进行分析;
根据每一分析结果超出对应预设分析数据范围的分析结果进行提取,得到第一质量评价指标;
将标准质量分析数据超出对应预设分析数据范围的部分进行结果转换,从而确定当前分析结果的数据偏差区间,根据数据偏差区间得到第二质量评价指标;
根据第一质量评价值指标及第二质量评价指标按照对应特征因子的影响权重进行加权处理,生成当前标准质量分析数据的质量评价值。
4.如权利要求3所述的风机叶片质量检测方法,其特征在于,
所述预处理包括时间单位统一化、去除异常值、填补缺失值以及数据清洗处理;
所述标准化处理用于将同类别的质量分析数据进行标准化;
其中,x′(i)为同类别中的第i个数据x(i)的标准质量分析数据,n为同一类别中的数据个数;
根据不同类别的多个标准质量分析数据生成标准化数据集;
根据标准化数据集构建标准化矩阵W;
其中,xg′(i)为第g个类别中第i个数据的标准质量分析数据,其中,g=1,2,…m,i=1,2,…n;
提取单元,用于根据相关系数集对标准化矩阵W中同类别的标准质量分析数据进行特征因子提取,构建特征因子矩阵WT;
其中,x1T为第1类别中的特征因子,e1′(i)为第1类别中第i个标准质量分析数据对应的相关系数,∝为筛选公式,其中,筛选公式用于筛选出相关系数大于预设相关系数阈值的标准质量分析数据,xmT为第m类别中的特征因子,em′(i)为第m类别中第i个标准质量分析数据对应的相关系数。
5.如权利要求4所述的风机叶片质量检测方法,其特征在于,生成当前标准质量分析数据的质量评价值,包括:
根据每一分析结果超出对应预设分析数据范围的分析结果进行提取,得到提取个数,根据提取个数与预设个数区间的关系,确定当前提取个数对应的第一质量系数s,将第一质量系数s设定为第一质量评价指标的量化值;
根据数据偏差区间确定当前标准质量分析数据的偏差等级,根据偏差等级与预设偏差等级之间的关系,确定每个偏差等级对应的第二质量系数d,将第二质量系数d设定为第二质量评价指标的量化值;
根据第一质量评价指标的量化值、第二质量评价指标的量化值以及对应特征因子的影响权重,生成当前标准质量分析数据的质量评价值K;
其中,r为提取个数,dj为第j个偏差等级对应的第二质量系数,tj为第j个偏差等级所涉及的标准质量分析数据对应特征因子的权重系数,y1为第一质量系数对应的权重系数,y2为第二质量系数对应的权重系数。
6.如权利要求5所述的风机叶片质量检测方法,其特征在于,根据提取个数与预设个数区间的关系,确定当前提取个数对应的第一质量系数s,包括:
预先设定第一预设个数区间,第二预设个数区间,第三预设个数区间和第四预设个数区间;
当提取个数处于第一预设个数区间时,选定第四预设第一质量系数s4为第一质量系数s,即s=s4;
当提取个数处于第二预设个数区间时,选定第三预设第一质量系数s3为第一质量系数s,即s=s3;
当提取个数处于第三预设个数区间时,选定第二预设第一质量系数s2为第一质量系数s,即s=s2;
当提取个数处于第四预设个数区间时,选定第一预设第一质量系数s1为第一质量系数s,即s=s1;
其中,0<s1<s2<s3<s4<1。
7.如权利要求5所述的风机叶片质量检测方法,其特征在于,根据偏差等级与预设偏差等级之间的关系,确定每个偏差等级对应的第二质量系数d,包括:
预先设定第一预设偏差等级,第二预设偏差等级和第三预设偏差等级,且第一预设偏差等级小于第二预设偏差等级,第二预设偏差等级小于第三预设偏差等级;
当偏差等级小于第一预设偏差等级时,选定第四预设第二质量系数d4为第二质量系数d,即d=d4;
当偏差等级处于第一预设偏差等级和第二预设偏差等级之间时,选定第三预设第二质量系数d3为第二质量系数d,即d=d3;
当偏差等级处于第二预设偏差等级和第三预设偏差等级之间时,选定第二预设第二质量系数d2为第二质量系数d,即d=d2;
当偏差等级大于第三预设偏差等级时,选定第一预设第二质量系数d1为第二质量系数d,即d=d1;
其中,0<d1<d2<d3<d4<1。
8.如权利要求7所述的风机叶片质量检测方法,其特征在于,根据质量评价值确定风机叶片的运行状态,包括:
预先设定预设评价值阈值;
当质量评价值小于预设评价值阈值时,确定风机叶片的运行状态为异常状态;
当质量评价值不小于预设评价值阈值时,确定风机叶片的运行状态为正常状态。
9.如权利要求8所述的风机叶片质量检测方法,其特征在于,若发送告警信号,根据运行状态生成调整指令,包括:
获取风机叶片处于异常状态的标准质量分析数据得到异常标准质量分析数据,并获取异常标准质量分析数据对应特征因子的影响权重;
基于异常状态进行状态数据转化,并基于状态数据转化结果及对应影响权重对风机叶片的异常标准质量分析数据进行排序;
将排序最高的异常标准质量分析数据作为调整数据,根据调整数据对应的预设分析数据生成调整指令。
10.一种风机叶片质量检测系统,其特征在于,包括:
检测模块,用于基于风机叶片的叶片故障类型建立对应的在线检测模型,并根据在线检测模型对相应的多源监测数据进行分析处理;
确定模块,用于基于每一分析结果确定对应的质量评价值,根据质量评价值确定风机叶片的运行状态;
调整模块,用于根据运行状态判断是否发送告警信号,若发送告警信号,根据运行状态生成调整指令。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410307022.6A CN118277850A (zh) | 2024-03-18 | 2024-03-18 | 一种风机叶片质量检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410307022.6A CN118277850A (zh) | 2024-03-18 | 2024-03-18 | 一种风机叶片质量检测方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118277850A true CN118277850A (zh) | 2024-07-02 |
Family
ID=91647556
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410307022.6A Pending CN118277850A (zh) | 2024-03-18 | 2024-03-18 | 一种风机叶片质量检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118277850A (zh) |
-
2024
- 2024-03-18 CN CN202410307022.6A patent/CN118277850A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110926809B (zh) | 一种基于大数据分析的风电机组传动链故障预警方法 | |
JP2009243428A (ja) | 風車の監視装置及び方法並びにプログラム | |
CN114165392B (zh) | 一种风电机组功率异常诊断方法、装置及存储介质 | |
CN112065668A (zh) | 一种风电机组状态异常评估方法及系统 | |
CN112001511A (zh) | 基于数据挖掘的设备可靠性及动态风险评价方法、系统和设备 | |
JPWO2018051568A1 (ja) | プラント異常診断装置及びプラント異常診断システム | |
CN111594392A (zh) | 一种风力发电塔筒螺栓在线监测方法 | |
CN108416386A (zh) | 一种用于水电机组轴承温度异常判断的方法及系统 | |
CN110578659B (zh) | 一种用于对风电机组scada数据进行处理的系统和方法 | |
CN113503232A (zh) | 一种风机运行健康状态预警方法及系统 | |
CN116557230A (zh) | 一种风电场机组功率异常在线评估方法及系统 | |
JP7330754B2 (ja) | 異常診断装置及び方法 | |
CN118277850A (zh) | 一种风机叶片质量检测方法及系统 | |
CN116972910A (zh) | 一种火电厂电气设备的监测方法及系统 | |
US11339763B2 (en) | Method for windmill farm monitoring | |
CN115962100A (zh) | 一种风电机组状态监测系统 | |
CN115788771A (zh) | 一种基于物联网技术的风力发电系统的智能运维管理系统 | |
CN112508350A (zh) | 一种汽轮发电机组振动预警方法及系统 | |
CN117951633B (zh) | 一种光伏发电设备故障诊断方法及系统 | |
CN115711206B (zh) | 一种基于聚类权重的风力发电机叶片覆冰状态监测系统 | |
CN117128143A (zh) | 一种叶片故障检测方法和相关装置 | |
CN118311352A (zh) | 用于光伏储能系统的母线槽故障诊断方法及系统 | |
CN116988944A (zh) | 一种风电机组故障诊断方法、系统、设备及存储介质 | |
CN117375527A (zh) | 一种光伏电厂能效异常预警系统 | |
CN117514653A (zh) | 一种基于异常偏离检测的风电机组故障预警方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |