[发明专利]一种基于SCADA数据的风电机组齿轮箱油温过温故障预警方法

说明书

本发明公开了一种基于SCADA数据的风电机组齿轮箱油温过温故障预警方法，包括离线训练阶段和在线应用阶段，选取机组相关数据集，选择齿轮箱油温作为目标变量，其他变量经Autoencoder模型降维进行特征提取，之后选取SVR作为变量估计模型进行训练，实现对目标变量的实时估计，在线应用阶段中，风电机组实时运行数据集输入至训练完成的SVR模型中，得到目标变量实际运行值与模型估计值的残差序列，使用EWMA进行残差序列超限阈值设置，并设计连续超限的预警判别准则实现齿轮箱油温过温故障的提前感知。本发明能够实现风电机组齿轮箱油温过温故障的提前感知与预警，避免齿轮箱组件异常演变引起的故障停机，减少了停机时间及维护损失，具有较强的理论性与实用性。

技术领域

本发明涉及风电机组故障预警技术领域，尤其涉及一种基于SCADA数据的风电机组齿轮箱油温过温故障预警方法。

背景技术

风力资源储量大且分布广，利用风力发电成本较低，且风力发电无污染，是一种环境友好型的清洁能源，因此近年来，全球范围内对风力发电的研究投资热度较高，风机的装机容量也在逐年攀升。随着装机容量的攀升，风机的运维问题也逐渐被重视。

风机的运维问题主要来源于风机的高故障率，高故障率的原因一是前期投入使用的风机零部件老化，风机整机性能降低；二是随着全球气候变暖，温室效应，极端天气频发，风机的运行环境越来越恶劣，许多零部件会因天气原因受损失效。风机的高故障率会导致风机频繁停机，发电效率降低，从而造成较大经济损失。

在风机各子系统中，齿轮箱子系统承担将风轮动力传递给发电机的作用，是实现风能转换为电能的最主要部件之一，也是风机中故障率最高的子系统。风机齿轮箱由较多机械部件组成，包括轴承、齿轮等易受损组件，这些组件的磨损、异常通常会引起齿轮箱内油温的异常升高，对风机整机的运行造成影响。

因此，实现风机齿轮箱的油温过温故障预警对提升风机的发电效益与安全性能有巨大贡献。

齿轮箱故障监测的传统方法是通过对一定频率范围内的振动信号分析实现的，但需要对监测齿轮箱逐一加装振动传感器，该方法由于施工麻烦、成本过高而很难被风电行业广泛应用。

目前风电机组均配有监控与数据采集系统(SCADA，supervisory control anddata acquisition)，能够监控风电机组功率、转速，以及齿轮箱、发电机等大部件的温度等参数，对主要部件的运行状态进行简单的判定，但是一般只针对单一参数设定固定阈值，时效性较差。

基于SCADA数据的齿轮箱故障监测理念，是通过连接风电机组的SCADA系统将齿轮箱传感器采集到的实时状态数据进行模型监测，达到齿轮箱预警目的，该方法较采集振动信号的方式更加低成本，具有高实用性。

监测时齿轮箱润滑油油温是齿轮箱的主要监测指标，但齿轮箱油温容易受到周围环境及噪声的影响，从而影响监测结果。

发明内容

本发明是为了克服现有技术中传统方法中齿轮箱故障监测需要加装振动传感器，施工麻烦、成本过高，且齿轮油温容易受到周围环境及噪声的影响的技术问题，提供一种基于SCADA数据的风电机组齿轮箱油温过温故障预警方法，该方法能够实现风电机组齿轮箱油温过温故障的提前感知与预警，避免齿轮箱组件异常演变引起的故障停机，减少了停机时间及维护损失，减少了周围环境及噪声对油温数据的影响，保证了预警结果的准确性，成本低且方便，具有实用价值。

为了实现上述目的，本发明采用以下技术方案：

一种基于SCADA数据的风电机组齿轮箱油温过温故障预警方法，所述方法包括离线训练阶段和在线应用阶段，所述方法包括以下步骤：

S1、进行离线训练阶段；

S2、进行数据集收集、选取和标记：获取需进行齿轮箱油温过温故障预警的风电机组SCADA系统中的数据并记录，选取相关数据集并标记，选择齿轮箱油温作为目标变量；