[發明專利]一種風力發電機部件故障預警方法

在審

• 申請號: 201410424069.7
• 申請日: 2014-08-26
• 公開（公告）號: CN104200396A
• 公開（公告）日: 2014-12-10
• 發明（設計）人: 謝平;張欣欣;江國乾;何群;杜義浩;王一凡
• 申請（專利權）人: 燕山大學
• 主分類號: G06Q50/06
• 分類號: G06Q50/06
• 代理公司: 石家莊一誠知識產權事務所 13116
• 代理人: 李合印

技術領域

本發明屬于風力發電機狀態監測領域，涉及一種風力發電機部件故障預警 方法。

背景技術

近年來，隨著世界各國化石能源供應不確定性問題和節能減排形勢的日益 嚴峻，綠色可再生能源和環保型低碳經濟越來越受到重視。尤其是近五年，中 國風電裝機容量的增長極為迅速，并已于2010年底超越美國成為全球風電裝機 容量第一的國家。

在風電產業迅猛發展的前提下，也引發了一系列的嚴峻問題。其中甚至有 某風場數十臺風力發電機安裝數年來因故障而從未發電的報告，更多的情況是 風力發電機可靠性較低，而又缺乏故障預警功能，以致較小的故障未能及時發 現、維修而發展成重大的安全和設備事故，不僅造成停機損失，而且維修費用 急劇上升，甚至可能超過其產出費用。因此，國內外已經出現了某風力發電機 制造商因保修其故障多發的產品導致企業入不敷出而破產的報道。

當前風力發電機故障監測主要是通過在風力發電機傳動系統布置振動傳感 器和溫度傳感器來監測風力發電機的運行狀態，當測量值超過預先設定的閾值 時報警或停機。但由于風力發電機的運行環境不同，導致所設的閾值針對性較 差，且缺乏對于風力發電機早期故障的判斷，易造成風力發電機的重大事故； 風力發電機是一種復雜的旋轉機械，如只單獨考慮一種或幾種測量參數，不能 準確地反映風力發電機的運行狀態；另一方面，現在風力發電機故障多發，狀 態監測和故障預警功能的低效和缺失，已嚴重地制約了風電成為可靠高質量能 源的發展。

發明內容

針對上述背景技術中提到當前風電機組的狀態評價在閾值確定和信息融合 方面存在的不足，本發明提出了一種風力發電機部件故障預警方法，本發明通 過對具有預測功能閾值的確定來實現預警功能。為了保證該方法預警結果的準 確性和可靠性，本發明應用信息融合的技術，將不同信號源的預測結果進行融 合分析，以此來判斷風力發電機部件的健康狀態，及時發現病情并指導治療， 能夠防止小疾發展為大病，以較小的代價恢復健康，從而保持風力發電機部件 的健康和延長壽命，發揮更大的經濟效益。

為了解決上述技術問題，本發明是通過以下技術方案實現的：一種風力發 電機部件故障預警方法，該方法包括如下內容：

步驟一離線訓練過程

離線訓練過程是調用歷史數據庫中數據訓練對并行回聲狀態網絡組(Parallel? Echo?State?Network?Group,以下簡稱PESNG)進行模型訓練，并測試每個回聲狀 態網絡(Echo?State?Network，以下簡稱ESN)模型的準確性，將符合要求的ESN 模型通過過程統計分析得出各特征參數的標準閾值；

步驟二在線監測過程

在線預警過程是通過多傳感器采集模塊采集風力發電機各部件的不同信 號，經數據預處理模塊處理后，輸入PESNG監測模塊，并將運行結果輸入信息 融合模塊；在信息融合模塊中各特征參數與對應標準閾值比較，并將比較結果 和對應的權值結合，給出預警信息；

步驟三預警維護過程

預警維護過程是對發出故障預警警報的部件進行現場維護，并根據現場維 護的實際情況調節各特征參數的權值；監測的實時數據要根據預警信息和現場 維護情況，分類存入歷史數據庫中，以達到歷史數據庫更新的目的。

所述的離線訓練過程所用到的歷史數據庫中的數據，是風力發電機正常工 作時記錄下來的經過相應預處理的數據，并且所選擇的訓練數據是風力發電機 某一部件的不同特征參數的集合。

所述的離線訓練過程中的PESNG是將多個ESN模型集合在一起，每個 PESNG對應風力發電機某一部件，其中每個ESN模型對應該部件一個特征參 數，每個ESN模型獨立進行訓練測試。