[發明專利]風力發電機組的葉片故障診斷方法及裝置

在審

• 申請號: 201811610118.0
• 申請日: 2018-12-27
• 公開（公告）號: CN111400959A
• 公開（公告）日: 2020-07-10
• 發明（設計）人: 靖峰;彭昶;吉銀輝
• 申請（專利權）人: 北京金風科創風電設備有限公司
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06N20/00;G06F113/06
• 代理公司: 北京銘碩知識產權代理有限公司 11286
• 代理人: 曾世驍;王兆賡

1.一種風力發電機組的葉片故障診斷方法，其特征在于，所述方法包括：

基于機組工況數據通過使用機器學習算法來獲得機組故障特征矩陣；

基于葉片振動數據通過使用信號分析方法來獲得葉片振動故障特征；

根據故障特征矩陣和葉片振動故障特征對葉片進行故障診斷。

2.如權利要求1所述的方法，其特征在于，獲得機組故障特征矩陣的步驟包括：

通過對機組工況數據進行相關性分析來獲得葉片故障時的機組參數特征；

通過使用機器學習算法對機組參數特征進行訓練來獲得機組故障特征矩陣。

3.如權利要求1或2所述的方法，其特征在于，機組工況數據包括轉速、扭矩、葉片角度、加速度以及頻率，

其中，獲得機組故障特征矩陣的步驟包括：

按照轉速對扭矩、加速度、葉片角度以及頻率進行分倉處理；

根據各個轉速下的扭矩和頻率來獲得三維扭矩故障特征矩陣；

根據各個轉速下的加速度和頻率來獲得三維加速度故障特征矩陣；

根據各個轉速下的葉片角度和頻率來獲得三維葉片角度故障特征矩陣。

4.如權利要求1所述的方法，其特征在于，獲得葉片振動故障特征的步驟包括：

對葉片振動數據進行濾波處理；

基于經濾波處理的葉片振動數據來分別獲得第一葉片振動故障特征和第二葉片振動故障特征。

5.如權利要求4所述的方法，其特征在于，獲得第一葉片振動故障特征的步驟包括：

根據經濾波處理的葉片振動數據來計算葉片振動能量，以獲得葉片振動有效值；

按照時間順序基于葉片振動有效值中的葉片揮舞方向數據和葉片擺振方向數據來獲得第一葉片振動趨勢；

根據第一葉片振動趨勢來獲得第一葉片振動故障特征。

6.如權利要求4所述的方法，其特征在于，獲得第二葉片振動故障特征的步驟包括：

通過對經濾波處理的葉片振動數據進行快速傅里葉變換來獲得峰值頻率以及與峰值頻率相應的幅值；

按照時間順序基于峰值頻率以及與峰值頻率相應的幅值來獲得第二葉片振動趨勢；

根據第二葉片振動趨勢來獲得第二葉片振動故障特征。

7.如權利要求4所述的方法，其特征在于，對葉片振動數據進行濾波處理的步驟包括：

對葉片振動數據進行卡爾曼濾波，以濾除葉片振動數據中的轉頻數據部分；

對經卡爾曼濾波的葉片振動數據進行帶通濾波。

8.如權利要求1所述的方法，其特征在于，根據故障特征矩陣和葉片振動故障特征對葉片進行故障診斷的步驟包括設置葉片出現故障時報警閾值。

9.如權利要求8所述的方法，其特征在于，根據故障特征矩陣和葉片振動故障特征對葉片進行故障診斷的步驟包括：

當出現機組故障特征或者出現葉片振動故障特征并且出現的故障特征值大于或等于報警閾值時，發送報警信息；

或者，當同時出現機組故障特征和葉片振動故障特征并且出現的故障特征值大于或等于報警閾值時，發送報警信息；

或者，當同時出現機組故障特征和葉片振動故障特征并且出現的故障特征值的趨勢持續增大時，發送報警信息。

10.如權利要求8所述的方法，其特征在于，設置葉片出現故障時的報警閾值的步驟包括：

當所述風力發電機組與提供機組工況數據的風力發電機組具有相同配置時，使用歷史報警閾值；

當所述風力發電機組是新風力發電機組時，使用所述風力發電機組的機組工況數據和葉片振動數據來計算所述風力發電機組的報警閾值作為葉片出現故障時的報警閾值。