[發明專利]基于神經網絡風力發電機組典型傳動故障智能診斷方法

有效

• 申請號: 201310573184.6
• 申請日: 2013-11-15
• 公開（公告）號: CN103852255B
• 公開（公告）日: 2017-06-06
• 發明（設計）人: 賈利民;劉展;龐宇;雷濤;童亦斌
• 申請（專利權）人: 北京能高自動化技術股份有限公司
• 主分類號: G01M13/02
• 分類號: G01M13/02
• 代理公司: 北京正理專利代理有限公司11257
• 代理人: 張文祎

技術領域

本發明屬于風力發電技術領域，涉及基于神經網絡風力發電機組典型傳動故障智能診斷方法。

背景技術

風力發電單位發電成本已經基本接近火電發電成本，是目前所有可再生能源中最具商業價值，最具推廣現實的能源種類；

風力發電是一種清潔能源，對節能環保有重要的經濟社會效益；

風力發電是國家能源領域中長期規劃的重點方向，我國現有總裝機容量達到7400萬千瓦，占總電網裝機容量的7％，“十二五”末規劃風電總裝機容量達到0.98億千瓦；“十三五”末風電總裝機容量達到1.5～2億千瓦；到2050年，風電總裝機容量達到電網總裝機容量的17-20%左右；因此風力發電領域擁有廣闊且較明朗的前景，由其帶動的相關領域產業也必然擁有樂觀的市場前景。

目前我國風力發電產業已經完全走出了小規模技術論證階段，已經進入大規模推廣階段，由于我國風電產業起步較晚，技術積累薄弱，相關配套組件尚不能完全滿足風電整機高效安全運行要求，特別是我國風電整機企業絕大部分采用的直接引進國外成套整機設計技術模式進一步導致目前風電整機可靠性無法滿足實際運行需求，重大事故頻率高發，風機可利用率明顯低于國外機組。

隨著我國風電產業的迅速發展，由于技術趨勢及成本競爭需求，“十一五”期間主流的1.5MW風力發電機組已經不能滿足當前風電市場需求，單機容量規模在2MW及以上的風力發電機組已經逐步成為目前國內風電市場的主流機型。隨著單機容量的逐步上升，風電整機外形尺寸也迅速增大，整機的載荷水平也迅速攀升，因此對其機械組件的可靠性要求也迅速提高。

在目前風力發電機組機械故障中，傳動系統機械故障是故障率最高因素之一，特別是針對雙饋異步風力發電機組傳動系統的故障已嚴重影響到風電場運營經濟效益，一些早期運行的風電場已出現大批量的齒輪箱故障。

由于我國風電場運營保障水平十分低下，幾乎所有的風電場都采用基于故障的維護方式，維護成本居高不下，維護資源利用率嚴重不足。同時由于針對機組故障特別是機械故障目前通常采用的都是基于故障的維修方式，維護成本極高，同時運營維護資源利用率極低，迫切需要提高運營維護自動化水平。

龍源電力集團股份有限公司所屬中能電力公司受國家能源局委托起草制定的《風力發電機組振動狀態監測導則》于2011年11月1日在全國風電行業實施。該導則針對通過檢測風力發電機組振動信號實現狀態監測方法進行了詳細的表述，規定所有海上風電機組應選擇采用固定安裝系統，陸上2MW(及以上)風電機組選擇采用固定安裝系統，陸上2MW以下風電機組可選擇半固定安裝系統或便攜式系統；導則同時對風電機組振動狀態監測系統作出了詳細的規定，對風電振動狀態監測環節進行統一，可以更精細化的掌握機組的運行狀態，合理安排檢修時間，減少風電事故。

在現有的風力發電機組監控方法中，振動信號監控是一種相對比較成熟除的監控技術，在國外已經廣泛的應用在風電狀態監控系統中。現有技術中，基于振動信號監控的風力發電機組狀態監控主要通過在風力發電機組機械傳動環節及相關部位加裝振動傳感器，通過采集分析相關組件環節振動信息，利用信號分析處理技術，在上位機監控平臺基于人工方式對特征頻譜情況進行判斷后實現風力發電機組故障智能診斷。

風力發電機組是典型的分布式系統，相對于水電火電機組，其單機容量較小，機組分布范圍較廣且均為野外環境，同容量電廠發電機組數量遠遠多于大型火力發電和水力發電。現有風力發電機組狀態監控及故障診斷技術中，由于采用人工識別方法，很難實現對于風電場內大量風力發電機組逐一高效故障診斷識別，迫切需要實現基于計算智能的自動故障識別。

發明內容

針對現有風力發電機組狀態監控及故障診斷技術中采用人工故障診斷識別方法，難以實現對于風電場內大量分布式風力發電機組逐一高效故障診斷識別，迫切需要實現自動故障識別的技術需求，提出了一種風力發電典型傳動故障智能自動識別方法。該方法通過對傳動系統狀態監控信息進行數據處理及特征提取，基于神經網絡聚類技術，根據故障典型特征信息智能實現故障診斷識別，并對故障嚴重程度進行量化評估，有效的實現了風力發電機組傳動系統故障診斷自動化，極大的提升了風電場運營維護效率。

本發明的目的通過以下技術方案來實現：

基于神經網絡風力發電機組典型傳動故障智能診斷方法，該診斷方法包括如下步驟：

1)對風力發電機組相關組件進行監控得到監控信息，并將監控信息按照監控變量進行分類或依據所選擇的監控變量篩選與其對應的監控信息；

2)根據所述監控信息對所述相關組件進行工況識別；