[發明專利]基于自組織核回歸模型的風電機組齒輪箱軸承溫度狀態監測方法

在審

• 申請號: 202010184781.X
• 申請日: 2020-03-17
• 公開（公告）號: CN111581597A
• 公開（公告）日: 2020-08-25
• 發明（設計）人: 馬東;曹力;王明宇
• 申請（專利權）人: 華電電力科學研究院有限公司
• 主分類號: G06F17/18
• 分類號: G06F17/18;G06F30/17;G06F119/08
• 代理公司: 杭州天欣專利事務所(普通合伙) 33209
• 代理人: 張狄峰

本發明公開了一種基于自組織核回歸模型的風電機組齒輪箱軸承溫度狀態監測方法，將自組織核回歸建模方法和序貫概率比殘差分析方法引入風電機組狀態監測。采用偏最小二乘方法選擇變量，采用自組織核回歸方法建立齒輪箱軸承溫度與其影響變量之間的關系模型，并用該模型在監測階段對齒輪箱軸承溫度進行預測。為降低齒輪箱軸承溫度預警的誤報警率和漏報警率，采用序貫概率比方法分析模型計算的齒輪箱軸承溫度預測值與實際值之間的殘差，當序貫概率比大于設定閾值時，發出齒輪箱軸承溫度異常報警。本發明用于分析齒輪箱軸承的溫度數據，準確地實現了風電機組齒輪箱軸承溫度監測和故障預警的目的，實例驗證了本發明的實用性和通用性。

技術領域

本發明屬于風電機組齒輪箱狀態監測領域，具體涉及一種基于自組織核回歸模型的風電機組齒輪箱軸承溫度狀態監測方法。

背景技術

近年來，我國部分地區空氣環境日趨惡化，嚴重霧霾天氣頻發，以煤炭石油等化石燃料為主的傳統能源結構亟需調整，科學高效地發展可再生能源迫在眉睫。風力發電作為可再生能源的重要組成部分，在我國發展迅猛，累計裝機容量和新增裝機容量均居世界首位。

風電機組的運行條件惡劣，如外界溫差變化大，風速變化隨機等。這些不確定的外界因素導致風電機組的故障率高，使風電場后期運行維護成本居高不下。

齒輪箱是風電機組的重要部件之一。風電機組齒輪箱運行有其自身的特點，即變速變載荷。隨著風速的變化，齒輪箱各級的轉速及承受的載荷隨時發生變化，這給傳統的狀態監測方法應用于風電機組齒輪箱帶來很大的挑戰。

傳統的齒輪箱軸承故障診斷技術，如振動分析、油液分析等，取得了一定的成果。由于風速隨機變化，風電機組齒輪箱各級軸承的轉速和載荷時變，而非轉速不變的穩定工況。目前振動分析技術針對齒輪箱軸承的變轉速變載荷的時變復雜工況下故障診斷的準確性較低，誤報警和漏報警率較高。齒輪箱油液分析技術通過在風電機組停機期間采集齒輪箱油液標本，在實驗室中分析潤滑油液中的含水量、金屬微粒數量及直徑來對齒輪箱軸承狀態進行診斷，但油液分析只能離線進行診斷，無法實現齒輪箱軸承的在線實時監測與診斷。還有采用多層前向神經網絡對風電機組齒輪箱軸承溫度進行建模并進行監測，但由于前向神經網絡的結構復雜、模型參數多、訓練耗時長，難以對齒輪箱軸承溫度的異常變化進行及時準確地預警。

發明內容

本發明的目的在于克服現有技術中存在的上述不足，而提供一種基于自組織核回歸模型的風電機組齒輪箱軸承溫度狀態監測方法。本發明將自組織核回歸(AAKR)建模方法和序貫概率比殘差分析(SPRT)方法引入風電機組狀態監測。采用偏最小二乘方法(PLS)選擇變量，采用自組織核回歸方法建立齒輪箱軸承溫度與其影響變量之間的關系模型，并用該模型在監測階段對齒輪箱軸承溫度進行預測。為降低齒輪箱軸承溫度預警的誤報警率和漏報警率，采用序貫概率比方法分析模型計算的齒輪箱軸承溫度預測值與實際值之間的殘差，當序貫概率比大于設定閾值時，發出齒輪箱軸承溫度異常報警。本發明用于分析齒輪箱軸承的溫度數據，準確地實現了風電機組齒輪箱軸承溫度監測和故障預警的目的。

本發明解決上述問題所采用的技術方案是：一種基于自組織核回歸模型的風電機組齒輪箱軸承溫度狀態監測方法，其特征在于：包括如下步驟：

步驟1，采用偏最小二乘方法PLS選擇齒輪箱軸承溫度建模變量；

風電機組齒輪箱軸承溫度受風電機組的多個參數變量影響，為確定齒輪箱軸承溫度的影響因素，確定齒輪箱軸承溫度模型的輸入建模變量，采用偏最小二乘方法從風電機組上百個運行參數中選擇建模變量；過程如下：

由風電機組運行數據構成輸入矩陣X和輸出齒輪箱軸承溫度矩陣Y，如下式：

其中：

N——樣本個數；

M——原始風電機組參數變量的個數；