[发明专利]基于数据驱动的风机主控系统故障诊断和在线监测方法

说明书

基于数据驱动的风机主控系统故障诊断和在线监测方法，属于故障诊断技术领域；包括：计算风机主控系统正常数据的控制限；计算风机主控系统故障数据的统计量；根据统计量与控制限的关系确定故障发生时间T，并确定时间T时采集的故障数据中各主控系统变量贡献率及故障变量；依次计算风机主控系统实时数据中故障变量对应的信噪比、主元数和统计量，如果统计量是否位于控制限内，风机主控系统运行过程正常，否则，将故障变量对应的传感器作为故障传感器；本发明避免用到风机复杂的机理建模和信号分析；可对同一时段的多种故障进行监测，可发现的故障是多维的；采用最大的信噪比确定主元数，所以提高了故障的监视灵敏度。

技术领域

本发明属于故障诊断技术领域，具体涉及基于数据驱动的风机主控系统故障诊断和在线监测方法。

背景技术

风电作为一种新能源，其发展越来越受到政府重视。风电企业的成本中，维护成本和维修成本占据了很大比例。对风机运行过程进行合理有效地监测和对风机进行准确的故障诊断对风机的维营有着重要的意义。

近年来，风机监测和故障诊断方面的研究层出不穷：在“双馈异步风电机组状态监测与故障诊断系统的研究[D]，宋磊，2015”中，解决了风电机组变工况条件下的故障特征提取，但是对风机运行过程中的大量相关信息，例如风电场大量历史数据等，没有充分运用；在“风电机组振动监测与故障诊断研究[D]，刘文艺，2010”中，针对关键部件进行振动监测和故障诊断，该方法处在试验阶段，主流的振动监测与故障诊断系统及技术多是依靠引用国外成熟技术和系统，国内尚未形成完善可靠的风电机组振动监测与故障诊断系统；在“基于免疫算法的风电系统故障诊断技术研究[D]，吴洪兵，2014”中，提出一种基于免疫记忆动态克隆策略算法的风电系统发电机定子绕组故障诊断方法；在“基于流形学习的风电机组传统系统故障诊断方法研究[D]，李峰，2011”中，开发了一种通用型智能故障诊断方法，对传统系统故障进行诊断；在“直驱永磁同步发电机组叶轮不平衡和绕组不对称的故障诊断[J]，杭俊，张建忠，程明等，中国电机工程学报，2014.9：P1384-1391”中，提出了一种基于电流信号的直驱永磁同步风电机组的故障诊断方法，该方法不仅能诊断叶轮不平衡故障，还能诊断永磁同步发电机三项定子绕组不对称故障；在“风电机组故障智能诊断技术及系统研究[J]，彭华东，陈晓清，任明等，电网与清洁能源，2011.2：P61-66”中，基于BP神经网络的原理和优点，深入讨论了如何应用人工神经网络构建风电机组智能诊断系统，并给出了可行的系统设计方案和软件实现流程；在“基于粒子群优化BP神经网络的风电机组齿轮箱故障诊断方法[J]，龙泉，刘永前，杨勇平等，太阳能学报，2012.33(1)：P120-125”中，提出了一种基于粒子群优化BP神经网络风电机组齿轮箱故障诊断方法，得出了正确的诊断结果；在“风电机组故障诊断实现方法探讨[J]，梁伟宸，许湘莲，庞可，高压电器，2011.47(8)：P57-63”中，以小波分析故障诊断的理论为基础，提出了风电机组状态监测的实现方法，并搭建了实验室齿轮箱模拟试验台。

综上，针对风电机组的在线监测和故障诊断的研究虽然很多，但大多集中在对传动和齿轮箱的故障诊断方面。已有研究采用模式识别或者解析模型的方法的居多，方法比较繁琐，实现起来很复杂。由于风机结构复杂，且一般安装在偏远多风，条件恶劣的地区，所以对风机进行远程管理、移动管理是将来风机运行管理的趋势，而基于数据驱动的在线监测和故障诊断技术在远程监测、移动监测中有着明显的优势。主元分析法是一种简单有效的数据驱动的故障诊断技术，能实现风机的在线监测和分析、评估其运行状态，发现故障征兆、避免或减轻严重的设备损坏，以确定合理的维护时间和方案，从而达到大幅度降低维护和维修成本的目的。

发明内容

针对上述现有技术存在的不足，本发明提供基于数据驱动的风机主控系统故障诊断和在线监测方法。

本发明的技术方案：

基于数据驱动的风机主控系统故障诊断和在线监测方法，包括如下步骤：