[发明专利]一种风力发电机变桨系统故障预测方法和系统

说明书

本发明提供一种风力发电机变桨系统故障预测方法和系统，选取能够标识风力发电机变桨系统故障的故障特征参数，以特征参数作为输出，风速、有功功率、风轮转速作为输入建立故障预测模型；以大量历史风速、有功功率、风轮转速数据输入至故障预测模型获得历史故障特征参数预测值，结合历史故障特征参数实际值，设定故障特征参数偏差的合理范围；最后运行期间以实时风速、有功功率、风轮转速数据输入至故障预测模型获得故障特征参数预测值，结合特征参数实际值计算偏差，当偏差不在合理范围内时，则判定变桨系统有潜在性故障。本发明建立了风机变桨系统的故障预测模型，对变桨系统的潜在性故障进行判别，为风机检修计划制定提供参考依据。

技术领域

本发明属于风力发电机故障诊断方法，具体涉及一种风力发电机变桨系统故障预测方法和系统。

背景技术

风能和太阳能作为一种清洁的可再生能源，受到世界各国的重视。近年来我国风力发电逐渐呈现出容量越来越大、分布越来越广的局面，但是风机故障率仍旧相对较高，从而导致运行维护困难，严重影响风电场经济效益。

风电机组传统的维护维修方面主要采用修复性维修和预防性维修两种手段。修复性维修属于事后维护，即风电机组发生故障产生事故告警后，安排维护人员前往维修。预防性维修属于事先维护，基于时间、性能等条件对设备进行定期维修，更多还是凭经验，未雨绸缪。上述两种维修方式效率均不高。

近些年来预测性维护逐步提出，预测性维护是指建立风机状态评价模型，通过数据分析及挖掘，判别风电机组的潜在性故障，以此制定更加合理的检修计划高效完成风电场维护工作。因此风机各部件的故障预测技术是预测性维护的基础。

发明内容

本发明的技术目的是克服现有技术中的问题，提供一种风力发电机变桨系统故障预测方法，实现风力发电机变桨系统潜在性故障预判。

为解决上述技术问题，本发明提供一种风力发电机变桨系统故障预测方法，

包括如下步骤：

获取风力发电机变桨系统的风速、有功功率及风轮转速数据作为输入数据；

将输入数据输入到预先训练完成的故障特征参数预测模型M，输出预测获得的故障特征参数；

将获得故障特征参与设定的故障特征参数进行比较进而获得偏差，若偏差不在偏差设定范围则判定风力发电机变桨系统存在故障。

进一步地，所述故障特征参数预测模型采用最小二乘支持向量机，训练故障特征参数预测模型的方法包括：选取风机变桨故障特征参数X_i，以故障特征参数X_i作为输出，以风速、有功功率及风轮转速作为输入，训练基于最小二乘支持向量机直至满足要求。

再进一步地，选取风机变桨故障特征参数X_i具体方法为：采用relief方法获取变桨系统故障期间各参数权重，选取权重最重的一组参数作为故障特征参数X_i，对应权重为c_i，其中i为故障特征参数个数。

进一步地，故障特征参数偏差设定范围的设置方法如下：将选定数量的风机历史上正常运行期间的风速、有功功率、风轮转速输入至预测模型M，获得对应的历史故障特征参数预测值其中m为历史数据个数，结合对应历史时刻故障特征参数的实际值通过下式获取一系列偏差η_m：

其中n是故障特征量的个数，n是i的取值范围，C_im是各故障特征参数分量的权重，故障特征参数偏差的合理范围为η∈[0,MAX(η_m)]。

第二方面本发明还提供了一种风力发电机变桨系统故障预测系统，包括：数据获取模块、预测模块和故障判断模块，其中所述数据获取模块，用于获取风力发电机变桨系统的风速、有功功率及风轮转速数据作为输入数据；