[發明專利]風電機組齒輪箱油溫異常分析方法及裝置

有效

• 申請號: 202010006019.2
• 申請日: 2020-01-03
• 公開（公告）號: CN111191950B
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 袁凌;褚景春;張斌
• 申請（專利權）人: 國電聯合動力技術有限公司
• 主分類號: G06F18/2433
• 分類號: G06F18/2433;G06F18/23213;G06F16/2458;G06F16/215;G06Q50/06;G06F123/02
• 代理公司: 北京方韜法業專利代理事務所(普通合伙) 11303
• 代理人: 黨小林

1.一種風電機組齒輪箱油溫異常分析方法，其特征在于，包括：

提取檢測數據中高葉輪轉速段數據，分析齒輪箱油溫信號連續上升片段中的溫度變化特征；

提取檢測數據中低葉輪轉速段數據，統計齒輪箱油溫信號在各轉速分段中的分布特征；

將所述溫度變化特征，以及所述分布特征與歷史數據中齒輪箱正常運行時的油溫變化和分布標準限值進行比對，判定檢測數據中齒輪箱油溫變化和分布是否異常。

2.根據權利要求1所述的風電機組齒輪箱油溫異常分析方法，其特征在于，提取檢測數據中高葉輪轉速段數據，分析齒輪箱油溫信號連續上升片段中的溫度變化特征，包括：

提取將葉輪轉速數據確定為高葉輪轉速段數據的轉速劃分值；

根據檢測數據的時間戳定義并劃分齒輪箱油溫連續變化的時序片段；

從所述時序片段中識別出齒輪箱油溫連續上升的時序片段；

基于歷史數據確定所述時序片段的齒輪箱溫度連續變化閾值；

確定所述時序片段的齒輪箱油溫高故障限值。

3.根據權利要求2所述的風電機組齒輪箱油溫異常分析方法，其特征在于，所述齒輪箱溫度連續變化閾值是根據大量機組歷史運行數據中齒輪箱油溫異常和正常的變化特征進行k-均值聚類分析，并考量不同容量機型的控制策略對齒輪箱油溫限值的設定而確定。

4.根據權利要求2所述的風電機組齒輪箱油溫異常分析方法，其特征在于，根據檢測數據的時間戳定義并劃分齒輪箱油溫連續變化的時序片段，包括：

在檢測數據中計算相鄰兩行的時間戳差值和齒輪箱油溫差值；

挑出時間差值大于時間窗或齒輪箱油溫差值的絕對值大于齒輪箱油溫變化窗的位置作為檢測數據連續片段的劃分節點；

根據數據時間起止點和節點劃分出檢測數據連續片段，并做好片段的標記。

5.根據權利要求2所述的風電機組齒輪箱油溫異常分析方法，其特征在于，從所述時序片段中識別出齒輪箱油溫連續上升的時序片段，包括：

識別時序片段中齒輪箱油溫起止變化率大于等于0和齒輪箱油溫極值變化率大于等于0同時滿足；

如果是，則可以近似定義所述時序片段為齒輪箱油溫連續上升的片段并做好標記。

6.根據權利要求1所述的風電機組齒輪箱油溫異常分析方法，其特征在于，提取檢測數據中低葉輪轉速段數據，統計齒輪箱油溫信號在各轉速分段中的分布特征，包括：

對各轉速倉內的齒輪箱油溫數據進行正態分布分析和四分位箱線圖分析，統計出每個轉速倉內齒輪箱油溫數據的基本數據分布指標；

根據大量機組歷史運行數據中齒輪箱正常運行狀態下的齒輪箱油溫隨葉輪轉速分倉統計分析結果，確定出每個葉輪轉速倉內齒輪箱油溫數據正常分布標準限值。

7.根據權利要求6所述的風電機組齒輪箱油溫異常分析方法，其特征在于，提取檢測數據中低葉輪轉速段數據，統計齒輪箱油溫信號在各轉速分段中的分布特征，還包括：

將分布標準限值與檢測數據中每個轉速倉內的齒輪箱油溫分布限值進行比較，統計檢測數據中齒輪箱油溫上限值超過標準值的倉位個數總和。

8.根據權利要求1所述的風電機組齒輪箱油溫異常分析方法，其特征在于，將所述溫度變化特征，以及所述分布特征與歷史數據中齒輪箱正常運行時的油溫變化和分布標準限值進行比對，判定檢測數據中齒輪箱油溫變化和分布是否異常，包括：

異常模式檢測結果中寄存著當前待檢數據基本信息及第一異常模式和第二異常模式的檢測結果，真表示存在異常，假表示正常；

判斷第一異常模式的檢測結果是否為真，如果是，則直接觸發預警；

如果第一異常模式的檢測結果為假，則接著判斷第二異常模式的檢測結果；

如果未觸發預警，則在模型運行日志中的對應位置存儲預警結果為假；

如果觸發預警，則在模型運行日志中的對應位置存儲預警結果為真。

9.根據權利要求6所述的風電機組齒輪箱油溫異常分析方法，其特征在于，還包括：

根據葉輪的歷史轉速，對歷史轉速數據進行分倉。

10.一種風電機組齒輪箱油溫異常分析裝置，其特征在于，包括：

一個或多個處理器；

存儲裝置，用于存儲一個或多個程序，

當所述一個或多個程序被所述一個或多個處理器執行，使得所述一個或多個處理器實現根據權利要求1至9任意一項所述的風電機組齒輪箱油溫異常分析方法。