[发明专利]涡轮机故障分析

说明书

政府权利

本公开的主题通过政府支持美国能源部在用于风力场的基于程序状况维护下颁发的政府合同号DE-EE0001368下来获得。因此，美国政府对于本文公开的主题有一定权利。

技术领域

本发明涉及用于涡轮机故障分析的装置、方法及系统。

背景技术

在美国能源部发行的标题为《2030年20％的风能》的报告中指出的两个挑战是风涡轮机性能的改善与运行和维护费用的减少。例如，在投入运行风涡轮发电机的资本成本后，拥有者的一个大成本是维护。

在一些实施方式中，维护和运行成本的减少可以显著地减少成本回收期并可以提供投资的动力，并且潜在地为该清洁能源的广泛接受做准备。风涡轮机通常在严峻的、遥远的环境中运行并且能够需要频繁的定期维护。

另外地，不定期维护的成本(例如，由于未检测到的故障引起)可以在维护支持中高和/或在生产期丢失。响应于这些潜在成本，承保人，例如在欧盟，已经开始要求昂贵的定期大修以解决潜在的可靠性问题。基于状况而不是基于时间的维护在一些实施中，通过减少不必要的定期维护实现高可靠性与低维护成本。

附图说明

图1说明了风涡轮机操作区域数据的例子，其可以在本公开的一个或者多个实施例中使用。

图2说明了高速轴扭矩与高速轴速的比率连同功率级数据的变型的例子，其可以在本公开的一个或者多个实施例中使用。

图3说明了高速轴速度与低速轴速的比率连同功率级数据的变型，其可以在本公开的一个或者多个实施例中使用。

图4说明了使用训练数据集从自动关联神经网络中获得的Q-stat与T²值的例子，其可以在本公开的一个或者多个实施例中使用。

图5说明了来自另一基线情况的结果的例子并且这样数据可以在本公开的一个或者多个实施例中使用。

图6说明了来自当变速箱故障发生日收集的数据的结果并且这样数据可以在本公开的一个或者多个实施例中使用。

图7和图8说明了来自在故障之前收集的数据的结果并且这样数据可以在本公开的一个或者多个实施例中使用。

图9说明了来自自组织特征映射的训练的结果并且这样数据可以在本公开的一个或者多个实施例中使用。

图10说明了基于故障数据的报警触发状况并且这样数据可以在本公开的一个或者多个实施例中使用。

图11说明了在可获得的数据中来自最接近故障日的数据的结果并且这样数据可以在本公开的一个或者多个实施例中使用。

图12说明了在若干个不同指示器的警报触发器间的比较并且这样数据可以在本公开的一个或者多个实施例中使用。

图13说明了可以在本公开的一个或者多个实施例中使用的计算系统。

具体实施方式

本公开包含用于涡轮机故障分析的方法、装置和系统。例如，本公开的实施例可以提供轴承和变速箱机械故障的准确预测。

在一个示例实施例中，计算装置实现的用于涡轮机故障分析方法包含经由计算装置收集与风涡轮机性能相关联的第一数据集；分析该第一数据集以确定该第一数据集是否能够指示故障状况；并且检查与风涡轮机性能相关联的第二数据集以确定是否存在故障状况。

在各种实施例中，该方法可以进一步包含提供通知给用户以基于确定故障状况存在而采取行动。实施例也可以包含确定故障状况的类型，其存在于多个可能的故障状况。

在一些实施例中，提供通知可以包含关于基于确定的故障状况类型采取的动作类型的信息。如上讨论的经由计算装置收集与风涡轮机性能相关联的第一数据集可以包含从如下的至少一个收集监控和数据采集(SCADA)类型数据：一组风涡轮机传感器、与风涡轮机相关联的计算装置，和存储器中的文件。

分析该第一数据集以确定该第一数据集是否能够指示故障状况包含：分析用于在无故障状况下操作的风涡轮机的一个或者多个数据项。在一些实施例中，分析该第一数据集以确定该第一数据集是否能够指示故障状况包含：分析用于在无故障状况下操作的风涡轮机的一个或者多个数据项以及用于在故障状况下操作的风涡轮机的一个或者多个数据项。

分析该第一数据集以确定该第一数据集是否能够指示故障状况能够例如通过使用聚类算法方法比如自组织特征映射(SOFM)方法分析第一数据集来完成。在一些实施例中，分析该第一数据集以确定该第一数据集是否能够指示故障状况包含，使用主要组件分析方法分析该第一数据集。