[发明专利]一种应用于风力发电机组的多参量故障预测判定指标的计算方法

说明书

技术领域

本发明涉及风力发电机组故障预测方法，特别涉及一种应用于风力发电机组的多参量故障预测判定指标的计算方法。属于风力发电技术领域。

背景技术

风力发电作为一种新兴的清洁能源发电方式，技术尚未成熟，风电机组故障频发，严重影响其安全可靠运行。

为了及时发现机组的潜在故障隐患，制定合理的维护检修计划，风电机组故障预测技术逐渐进入了学者的研究领域。

由于风电机组的工况复杂，波动性强，在建模过程中很难通过特定的函数形式来近似描述，因此，通常运用非线性映射方法对模型进行训练来达到相应的模型精度。

在故障预测中，利用非线性映射方法(BP网络、支持向量机等)建立风电机组特定部件故障的预测模型，首先运用各个工况的历史运行数据对模型进行训练，使模型覆盖齿轮箱的正常工作空间，然后分析实时运行数据对应的输出变量的变化趋势。当风电机组特定部件异常运行时，输出变量的动态特性相比于正常工作空间必然发生偏离，输出变量值与实际变量值的残差分布特性必然发生改变，如果残差的均值或标准差的置信区间超出预先设定的阈值，则发出警告或报警信息，提示运行人员检查机组运行状况。这是风电机组故障预测技术的基本思路。

然而，由于风电机组是一个融电磁、机械、控制、通信等为一体的强耦合、非线性系统，任何一个局部细小的故障都会通过系统进行传播、扩散、积累和放大，同时运行参数繁多，参数之间的相关性强，单一参数未必能准确反映机组的故障类型。

目前，现有技术已经提出了多参数故障预测策略，然而由于没有把多个参数的权重考虑在内，使得模型在预测准确度上仍有待改进。

查阅文献，现有方法运用relief算法(或其他特征选择方法)对风电机组的特定故障进行特征选择，以故障特征量作为最小二乘支持向量机模型的输出变量，从而对特定故障进行预测。在计算故障预测判定指标时，由于是多参数故障预测，因此有必要对各个故障特征参量进行有效组合，从而得到组合判定指标。该方法以多个故障特征量作为输出观测向量a，通过计算其与实际测量向量b的距离来判断机组状态。公式如下：

δ=Σi=1n-(ai-bi)2---(1)]]>

其中,δ为定义的两向量a和b的距离，n为输出观测向量维数，a_i和b_i分别为输出观测向量和实际测量向量第i维变量的值。

由于多个故障特征量的权重未考虑在内，默认为各个特征量对距离的贡献值相同，与事实相悖，使得模型预测准确度较低。

专利申请号为201310259857.0，名称为“基于归一化的风电机组故障预警方法”的中国发明专利公开了一种基于归一化的风电机组故障预警方法，通过建立风电机组故障模型，对风电机组所出现的故障进行等级评测，并依据故障等级进行预警。具体表述为根据经验选择风电机组各个故障的工作参数并进行归一化，预先根据风电机组的运行状态历史数据报警阈值设置故障状态等级阈值，权重则依据影响故障状态等级阈值的各工作参数的变化量统计所得，通过下述公式确定故障等级：

此种方法虽然把权重考虑在内，模型却有许多不确定性：首先工作参数与阈值都是根据经验所得，没有确定的标准，难免会出现偏差；另外，权重的计算方法主要基于工作参数在故障发生时的变化量，由于风电机组部件繁多，结构和功能复杂，参量的变化存在延时，且延时时间不一，使得权重计算存在较大误差；同时，此种权重计算方法缺乏严谨的理论基础，从而影响故障预警模型的精度。