[发明专利]基于多元统计分析的风电机组机械设备状态诊断方法

说明书

技术领域

本发明属于风电设备状态故障诊断方法，特别涉及一种基于多元统计分析的风电机组机械设备状态诊断方法。

背景技术

风能是一种清洁的可再生能源，在世界范围内迅猛发展。据资料显示：2010年中国新增装机容量18927.99MW，同比增长73.3％，累计装机容量达到44733.29MW，两项指标均居于世界第一。2011年中国新增风机装机容量为20665MW(2066.5万千瓦)，较之2010年增长9.18％，继续保持世界首位。由于风电场一般位于条件恶劣的环境中，工况极不稳定，因此对风电机组的运行状态进行在线监测和故障诊断，实时了解风电机组关键零部件的运行状态，早期发现事故的苗头，在设备的故障处在磨损初期时，通过早期维护和更换，改善润滑状态等措施将故障消灭在萌芽状态，避免早发故障导致更为严重的故障破坏，对确保风电机组安全、稳定、可靠运行具有极大的促进作用。

在风电设备实际运行过程中都不可避免的产生振动，振动是机械设备本身动力学特性的外在表示，振动信息是研究机械设备状态的载体。于是根据机械设备振动信号的分析与处理，便可以得到机械设备的运行状态，得到系统零部件由于磨损、疲劳等原因引起的状态变化信息，并由此识别机械设备或零部件的故障。相对于其他机械设备状态处理技术而言，振动信号分析方法简便易行，技术成熟，是目前工程中使用的主要方法。

目前国内缺乏对风电机组振动信号处理与特征提取方法的研究。风电机组在变转速工况下运行，故障特征频率计算困难，使得故障的准确定位有一定难度，需要研究适合风电机组诊断的信号分析方法，提升风电机组智能诊断的能力。风电设备状态监测就是采用各种测量和监视方法，记录和显示设备运行状态，对异常状态做出报警，为设备的故障分析提供数据和信息。状态信息表现为该机械设备的振动、噪声、压力、温度、应变、声发射、液样、电磁场等，但是不同的状态信息类型对风电设备的状态的反映程度是不同的，甚至有些信息类型是不能够反映某些设备的状态特征的。因此信息类型的选择对风电设备的故障诊断是非常关键的。测试技术和传感器性能的发展为获得更可靠的信息提供了基础。状态特征的提取方法的研究是风电设备故障诊断技术的关键。含有丰富状态信息的机械设备运行状态信号的特征提取是建立在信号的处理的基础上的。传统的信号处理方法包括滤波技术、频谱分析。建立在信号处理基础上的常用的特征提取方法有时域模型分析、快速傅立叶变换、短时傅立叶变换、时间序列分析、倒谱分析、Winger分布分析、时频分析、小波分析、Hilbert-Huang变换分析、阶比谱分析、高阶谱分析、分形混沌分析等方法。信号分析处理的目的是通过对运行状态信号的处理，确定能很好地表征风电设备运行状态的特征量。状态信号处理新技术在故障诊断中的应用大大促进了故障诊断技术的发展，从短时傅立叶变换到时频分析，再到小波分析、Hilbert-Huang变换分析，信号处理的非平稳分析方法逐渐改善。多元统计分析方法只需要采集系统正常运行时的数据，将这些数据从高维数据空间投影到低维特征空间，用少量变量反映多个变量的综合信息，具有强大的数据挖掘能力，以其独特的优势脱颖而出。

工程应用中振动信号是各种振动信号的耦合，采用振动信号分析进行故障诊断信息类型多，量值变化范围广，人们总是提取很多种振动信号特征参数来进行风电设备健康状况的评估，但是它们所反映的状态规律性、敏感性和在模式空间的聚类性、可分性并不相同，随着不同的操作工况会发生一些变化。所以，在原始特征基础上运用多元统计分析的方法比如主分量分析技术来提取规律性好、敏感性强的新特征来进行有效的设备故障诊断则显得非常需要。

风电设备故障诊断则是根据状态监测所获得的信息，结合设备的结构特性和运行信息及历次维修记录，对已经发生或者可能发生的故障进行诊断、分析和预报，以确定故障的类别、部位、程度和原因，提出维修对策，使设备恢复到正常状态。应用先进的故障诊断技术，不仅可以发现早期故障，避免恶性事故的发生，还可以从根本上解决设备定期维修中的维修不足和过剩维修的问题。因此，如何保障风电设备的安全可靠高效运行，预防和避免关键设备出现故障，杜绝重大和灾难性事故的发生，已成为当前科技和风能发展的重要研究课题之一。

发明内容

本发明的目的在于提供一种基于多元统计分析的风电机组机械设备状态诊断方法，可以提高风电设备的可靠性与维修性及设备的管理水平，保证产品质量，避免重大事故的发生。