[发明专利]一种风电机组变桨系统的故障确定方法及系统

说明书

本发明涉及一种风电机组变桨系统的故障确定方法及系统。该方法包括：获取变桨系统动力学模型；根据变桨系统动力学模型获取风机变桨系统发生故障后的数据；根据发生故障后的数据训练卷积神经网络，确定训练后的卷积神经网络；获取当前的桨距角、当前的桨距角测量值、当前的主传动轴转矩、当前的发电机转子实际转速以及当前的发电机转速测量值；根据当前的桨距角测量值、当前的主传动轴转矩、当前的发电机转子实际转速以及当前的发电机转速测量值以及训练后的卷积神经网络确定当前预测的桨距角；根据当前预测的桨距角与当前的桨距角确定风机变桨系统的故障诊断结果。本发明能够准确有效地检测和确定故障，同时对故障幅值的变化进行准确有效的预测。

技术领域

本发明涉及风电机组关键设备故障预测领域，特别是涉及一种风电机组变桨系统的故障确定方法及系统。

背景技术

近年来，风能是当前最受关注的清洁、可再生能源，全球风能约为2.74×109MW，是世界各国解决能源缺乏问题不可忽视的力量。就中国的可开发利用风能储量而言，陆地上风能储量约2.53×109kW，海上可开发利用风能的储量约7.5×109kW，共计1010kW。风力发电是有效利用风能的最主要形式之一。由于风电设备的安装特殊性，例如一方面风电机组常安装在高山和海边等比较恶劣的环境中，易受沙尘、水雾、冰冻等污染侵害；另一方面风力发电系统常安装于高空，运行、维护十分复杂，因此，当风电设备系统出现故障时，对系统的运行、控制将更加复杂。风电机组每年维护成本约占风电机组成本的30％，因此随着风电设备装机数量的持续增长，快速有效地估计风机可能产生的故障并提升风机故障诊断的精准度，对确保风力发电系统能安全可靠地运行具有重要意义，针对风电机组故障的排查和维护工作的技术开发已迫在眉睫。

目前，风电机组多数选择电动变桨系统，风机变桨系统因其具有调速稳定、易控制、便于气动刹车等优点，已成为风力发电机正常运行的重要环节之一。但是，考虑到外界风况的复杂多变加上内部复杂的结构，风机变桨系统也是风电机组结构中故障频发的部分，一旦发生故障，很有可能导致输出功率异常、叶片损坏，甚至机组倒塌等严重事故。此外，风机变桨系统监控参数数量众多，且各参数与运行、控制状态之间的关系错综复杂，同时，变桨系统的常规故障报警参数十分单一，报警阈值一般也统一设置，缺乏合理性，往往造成误报或报警不及时。风力发电机组能否正常工作与变桨系统能否稳定高效的运行有着重要联系。因此，针对电动变桨系统故障特征参数的甄别选取和故障判别方法的有效设计至关重要。

现有的故障诊断方法并不能针对桨距角传感器和变桨系统执行机构的故障信号进行精准的实时预测。在变桨系统中，桨距角传感器和变桨系统执行机构是保证变桨系统正常工作的重要器件，因此，亟需一种故障诊断方法主要针对桨距角传感器故障及执行器故障的实时精准预测开展故障诊断研究。

发明内容

本发明的目的是提供一种风电机组变桨系统的故障确定方法及系统，能够准确有效地检测和确定故障，同时对故障幅值的变化进行准确有效的预测。

为实现上述目的，本发明提供了如下方案：

一种风电机组变桨系统的故障确定方法，包括：

获取变桨系统动力学模型；所述变桨系统动力学模型用于获取风机变桨系统的数据；所述数据包括：桨距角测量值、空气进入风轮前的风速、控制系统控制电压、主传动轴转矩、发电机转子实际转速、发电机转速测量值以及桨距角；

根据所述变桨系统动力学模型获取所述风机变桨系统发生故障后的数据；

根据所述风机变桨系统发生故障后的数据训练卷积神经网络，确定训练后的卷积神经网络；所述训练后的卷积神经网络以桨距角测量值、主传动轴转矩、发电机转子实际转速以及发电机转速测量值为输入，以所述桨距角为输出；

获取所述风机变桨系统当前的桨距角、当前的桨距角测量值、当前的主传动轴转矩、当前的发电机转子实际转速以及当前的发电机转速测量值；