[发明专利]一种风电机组关键部件多工况健康状态在线监测方法

说明书

本发明公开一种风电机组关键部件多工况健康状态在线监测方法，包括：从风电机组关键部件的历史监测数据中筛选有效状态变量，并进行特征向量提取；进行自适应工况划分，并基于工况划分结果构建基于BiLSTM‑GMM的多工况健康度基准模型及基于H‑SVM的工况识别基准模型；通过工况识别基准模型输出实时运行状态，将特征向量输入相应工况的健康度基准模型，得到风电机组关键部件的实时健康度；进行报警阈值的计算，基于实时健康度及报警阈值完成风电机组关键部件健康状态的在线监测。本发明能够对风电机组故障部件进行快速准确定位，且能够在故障停机前两到三天进行故障报警，从而运维人员能够有针对性地进行预修，提高运维效率。

技术领域

本发明涉及风力发电控制技术与计算机实时监测技术领域，特别是涉及一种风电机组关键部件多工况健康状态在线监测方法。

背景技术

随着人类社会和科学技术的进步，可再生能源终将取代不可再生能源，成为当今社会的一个共识。风能作为一种无污染、可再生的能源己经受到越来越多的关注。风机是利用风能对桨叶的作用力产生机械能，并通过发电装置转化为电能的一种发电工具。随着每年中国风机装机容量的增长，已连续多年占据全球风电装机容量排行榜榜首。

然而风电行业快速发展的同时也带来全新挑战，风电场每年运维成本居高不下，运维费给运营商带来巨大的经济损失。一方面风电机组是一个复杂的机械系统，关键部件的故障频发，一旦故障发生不能及时锁定发生故障的关键部位，导致运维人员效率低，增加运营商的运维成本；另一方面，风电场位于山区等较偏于的地方，工作环境恶劣，对运行状况进行实时检查及健康度评估十分困难。因此，亟需一种风电机组关键部件的健康状态在线监测方法。

发明内容

本发明的目的是提供一种风电机组关键部件多工况健康状态在线监测方法，以解决现有技术存在的问题，能够实时准确地对风电机组关键部件的健康状态进行在线监测。

为实现上述目的，本发明提供了如下方案：本发明提供一种风电机组关键部件多工况健康状态在线监测方法，包括如下步骤：

获取风电机组关键部件的历史监测数据并进行预处理；

从风电机组关键部件历史监测数据的状态变量中筛选出有效状态变量，并对有效状态变量进行特征向量提取；

对风电机组进行自适应工况划分，基于工况划分结果对历史监测数据进行贴标签处理；

基于风电机组工况划分结果，构建基于BiLSTM-GMM的多工况健康度基准模型，采用基于改进的马氏距离对健康状态进行度量，并输出风电机组的健康度；

构建基于H-SVM的工况识别基准模型，并利用贴标签处理后的历史监测数据对工况识别基准模型进行训练；

获取风电机组关键部件的实时监测数据并进行归一化处理；

通过工况识别基准模型输出实时监测数据的运行状态，将归一化处理后各有效状态变量的特征向量输入相应工况的健康度基准模型，得到风电机组关键部件的实时健康度；

采用分段式阈值方法进行报警阈值的计算，基于实时健康度以及报警阈值完成风电机组关键部件健康状态的在线监测。

优选地，历史监测数据预处理包括：

采用基于平均距离的层次凝聚聚类方法对历史有功功率监测数据进行分析，将不需要的类别数据点设置为离群点并进行剔除；

根据历史监测数据的时间戳关系，将有功功率离群点同时刻的其余变量值剔除；

对剩余的历史监测数据进行归一化处理。