[发明专利]一种发电机温度异常的监测方法

说明书

本申请提供了一种发电机温度异常的监测方法，通过对历史数据正常状态和异常状态进行分析，从数据角度出发，探索数据间的相关关系，并建立相应的判定条件，判断某一运行参数是否发生异常，避免由于风电机组运行数据复杂，数据相对分散度较大，很难选取合适的评价标准的现状；同时本发明通过相关性矩阵的判别方式计算难度小，易于实现，解决了现有模型训练难度较大、计算复杂的状况。

技术领域

本申请涉及本发明涉及一种发电机温度异常的监测方法，适用于风力发电机组，属于风力发电机组在线监测的方法技术领域。

背景技术

近年来随着我国风电事业的迅速发展，伴随着风力发电机组数量的不断增加，风电机组的故障问题逐渐引发关注。发电机作为风电机组的重要部件之一，发电机系统的运行状态直接影响着整个风电机组运行的性能和效率。

温度参数是工业生产中最常用的过程参数之一，随着环境温度、风电机组出力性能的改变，发电机的温度参数也随之变化，若发电机发生故障发热状况，则相关参数也出现异常，故针对发电机相关温度进行监测，对发电机故障预警与诊断尤为重要。目前针对发电机温度信号的研究主要集中在部件温度预测与故障诊断方面，基本思路为分析正常状态下部件的运行温度，以拟合均方根误差或残差为评价指标，建立部件的温度预测和故障诊断模型。但由于风电机组运行数据复杂，数据相对分散度较大，很难选取合适的评价标准；且运行参数众多，需要针对发电机温度参数逐一进行模型训练，模型训练难度较大、计算复杂。

发明内容

本申请要解决的技术问题是：现有技术关于发电机部件的温度预测和故障诊断模型难度较大、计算复杂、风电机组运行数据评价难的问题。

为了解决上述问题，本申请的技术方案是提供了一种发电机温度异常的监测方法，其特征在于，包括以下步骤：

步骤一、获取发电机温度相关参数的历史数据，并对数据进行整合与清洗，删除记录异常数据和无效数据；

步骤二、按照发电机温度是否发生过故障将历史数据的时间序列划分为正常运行数据和异常运行数据，并对正常运行数据和异常运行数据进行标记；

步骤三：将历史数据的时间序列逐小时划分为不同的数据集，利用相关性算法逐小时计算数据集的相关系数矩阵；

步骤四：分析包含被标记的正常运行数据和异常运行数据的不同数据集，根据不同数据集相关性水平的高低建立发电机温度异常的判定条件；

步骤五：每小时计算一次数据集的相关性系数矩阵，查看每一个参数是否满足条件，若满足判定条件，则判定无异常；若不满足，则判定对应参数异常。

优选地，所述判定条件为若某一参数与50％以上的运行参数数据的相关性小于0.5，则认为该参数发生异常；反之认为该参数正常。

优选地，所述步骤二中将正常运行数据标记为1，异常运行数据标记为0。

优选地，所述相关系数矩阵第i行第j列的元素是原数据集矩阵第i行和第j列的相关系数，相关系数矩阵

其中

cov(X_i,X_j)＝E((X_i-E(X_i))(X_j-E(X_j)))

与现有技术相比，本申请的有益效果是：