[发明专利]一种风电机组变工况下滚动轴承自适应异常检测方法

说明书

技术领域

本发明涉及一种风电机组异常状态在线检测方法，特别是关于一种基于多源监测数据的风电机组变工况下滚动轴承自适应异常检测方法。 

背景技术

由于能源短缺和环境问题的日益凸显，清洁可再生能源的开发受到越来越广泛的重视。除水力发电外，风力发电是目前技术比较成熟且装机容量较大的可再生能源，进入了大规模的发展阶段。风电机组多安装在高山、荒野或者海上，经常受极端天气的影响，运行条件恶劣，机组部件会随着机组累计运行时间的增加不断老化，发生故障。为确保风电机组的安全稳定运行，需要对机组运行状态进行监测，有效地判断机组的真实运行状态，以便及时发现机组异常。 

由于带齿轮箱风电机组的齿轮箱造价昂贵，且有较高的故障率，维修困难，因此无齿轮箱直驱式风电机组正成为风电场的主要装机型式。由于风轮主轴较长，且承受非常大的载荷，容易变形，因此，要求风轮主轴轴承必须有良好的调心性能。一般情况下风力发电机组风轮主轴由调心滚子轴承支承，轴承故障具有高度随机性、复杂性和非线性特征。 

目前风电机组状态监测系统开发集成和故障诊断方法的相关研究已经展开，然而由于缺乏故障样本，故障诊断研究成果还不能满足现场需求。现有风电机组的状态监测系统已经实现监测信号的在线采集，但是现有系统仅仅通过简单比较监测参数的测量值与预设的单一静态阈值来实现报警功能，以此指导机组运行维护。单一静态报警阈值忽略了风电机组不同工况下的机组性能差异，缺少对机组早期潜在故障的预警能力，远不足以充分反映机组的运行状态。随着机组状态监测系统的不断完善，机组的控制和监测数据信息量越来越大，运行操作人员往往很难根据如此大量的数据了解和判断过程的运行状况，及时发现系统的异常。虽然风电机组有较少的故障样本，但随着机组状态监测系统的不断完善，机组正常运行时的在线监测数据不断获得。因此，需要根据不同机组的自身特性，建立能自适应风电机组工况变化的、精细的机组异常状态检测模型。 

发明内容

针对上述问题，本发明的目的是提供一种风电机组变工况下滚动轴承自适应异常检测方法，该检测方法对故障数据缺乏的设备，能有效进行异常状态检测，并及时进行异常状态预警，提高风电机组轴承运行维护的水平，减少故障导致的停机损失。 

为实现上述目的，本发明采取以下技术方案：一种风电机组变工况下滚动轴承自适应异常检测方法，其包括以下步骤：1)采集已有的风电机组滚动轴承在正常运行时不同转速、不同功率下的L个振动数据，作为健康样本；2)选取敏感振动特征参数：根据风电机组滚动轴承振动信号的特点，将所采集的振动加速度信号的频域谱按频带平均分为M个子频带，求出每个频带的能量构成M维特征向量，即敏感振动特征向量Y＝[y₁，y₂，…，y_M]；3)采用Shepard曲面插值方法，建立轴承振动健康模型：对敏感振动特征向量Y＝[y₁，y₂，…，y_M]中的每个特征参数y_j，分别建立Shepard曲面健康模型y_i＝F_j(P，S)，即建立基于功率信息和风速信息的风电机组滚动轴承振动健康模型，其中，j＝1，2，…，M，y_j为滚动轴承振动信号中第j个特征参数的健康特征值；P为健康样本对应的风电机组有功功率；S为健康样本对应的机组转速；4)计算用于检测滚动轴承异常状态的偏离度，实现滚动轴承自适应异常检测。