[发明专利]风力发电机组振动程度的评估方法与系统

说明书

本发明提供了一种风力发电机组振动程度的评估方法与系统，所述评估方法包括以下步骤：(A)获取风力发电机组的振动相关数据文件；(B)对获取的振动相关数据文件进行数据分析；(C)根据数据分析的结果对所述风力发电机组的振动程度进行评估。本发明从风力发电机组振动角度出发，不仅可以得到机组振动等级，并进一步确定哪类振动模式影响了单台机组的振动程度，还可以给出整个风场的振动等级评估结果，快速定位振动程度差的目标机组。

技术领域

本发明涉及一种风力发电机组运行状态评估技术领域，具体地讲，涉及一种风力发电机组振动程度的评估方法与系统。

背景技术

随着风力发电被人类广泛应用，风电设备不断增加。世界范围内各个国家对风电行业都更加重视，然而风电设备的长期维修和保养以及严重影响了风电项目的经济效益。风力发电机组设备的而大型化、复杂化都导致了故障的高发率，研究风力发电机组的状态监测与故障诊断系统显得尤为重要。在风力发电机组中，机组振动水平是衡量机组稳定性的重要指标，正常状态下机组属于稳态系统，其振动水平、发电性能等指标相对稳定。但是，经常由于控制参数不合适或者机组大部件出现异常会导致机组振动水平增大或出现振动发散的耦合振动，此时，机组处于危险的失稳状态。因此，机组振动水平的程度测试和分析十分重要。

目前，现有技术还停留在从单台机组角度出发分析单台机组是否发生振动或发生了何种振动的阶段，无法对机组在一段时间内的振动水平进行分析进而确定振动的严重程度。由此，现有技术中也无法实现风场级的机组振动分析，进而无法根据振动分析结果对机组作进一步的优化控制。

发明内容

本发明提供了一种从机组振动角度出发，对风力发电机组振动程度进行分析的评估方法与系统。

本发明的一方面提供了一种风力发电机组振动程度的评估方法，包括以下步骤：(A)获取风力发电机组的振动相关数据文件；(B)对获取的振动相关数据文件进行数据分析；(C)根据数据分析的结果对所述风力发电机组的振动程度进行评估。

优选地，步骤(B)中所述数据分析包括特征抽取和数据分类。

优选地，所述特征抽取包括：调用特征模式库，对获取的所述风力发电机组的振动相关数据文件进行特征抽取；所述数据分类包括：根据特征抽取结果，确定每个振动相关数据文件的振动模式。

优选地，所述特征抽取包括抽取标准差、峭度、包络线、时域振幅特征、特定频率滤波后幅值特征、频谱主频率特征和频谱主能量特征中的至少一种特征。

优选地，所述振动模式通过规则抽象法进行判断，其中，规则抽象法包括专家经验法或机器学习法。

优选地，所述步骤(C)包括：所述步骤(C)包括：根据所述振动相关数据文件的个数以及为不同振动模式分配的权重进行加权运算，得到所述风力发电机组的振动等级；根据振动等级评估所述风力发电机组的振动程度。

优选地，根据所述振动相关数据文件的个数以及为不同振动模式分配的权重进行加权运算，得到所述风力发电机组的振动等级，具体包括：分别计算与每种振动模式对应的数据文件的总个数；分别将每个振动模式的权重值乘以相应振动模式对应的数据文件的总个数，并对所有的乘积结果求和；根据求和结果以及预设的等级区间来确定风力发电机组的振动等级。

优选地，所述步骤(C)包括：根据先验知识以及获取的对所述风力发电机组振动相关数据文件的振动模式的确定结果和对不同振动模式的权重分配结果，通过机器学习法得到所述风力发电机组的振动等级；根据振动等级评估所述风力发电机组的振动程度。

优选地，通过以下方式执行所述机器学习法得到所述风力发电机组的振动等级：根据先验知识中已知的风力发电机组的振动相关数据文件和振动等级数据训练机器学习模型；将决策向量作为机器学习模型的输入；通过机器学习模型输出所述风力发电机组的振动等级。