[發(fā)明專利]基于傾角傳感器信息的風(fēng)電塔筒傾覆智能診斷方法

有效

• 申請?zhí)枺?/td>: 202011424730.6
• 申請日: 2020-12-09
• 公開（公告）號: CN112560916B
• 公開（公告）日: 2022-11-01
• 發(fā)明（設(shè)計(jì)）人: 鄭鋼;浦蓉暉;于廣匯;賀正良
• 申請（專利權(quán)）人: 甘肅靖遠(yuǎn)航天風(fēng)力發(fā)電有限公司
• 主分類號: G06F17/18
• 分類號: G06F17/18;G06F17/16;F03D17/00;G06K9/62
• 代理公司: 蘭州智和專利代理事務(wù)所(普通合伙) 62201
• 代理人: 周立新

本發(fā)明提供了一種基于傾角傳感器信息的風(fēng)電塔筒傾覆智能診斷方法，利用風(fēng)電塔筒數(shù)據(jù)采集系統(tǒng)將原始的傾斜角數(shù)據(jù)通過光纖通信傳輸?shù)娇刂剖业臄?shù)據(jù)服務(wù)器進(jìn)行存儲和預(yù)處理，對固定時(shí)間段內(nèi)的傾斜量數(shù)據(jù)進(jìn)行特征提?。徊捎酶咚购撕瘮?shù)構(gòu)建高斯過程下的核自適應(yīng)濾波概率估計(jì)預(yù)警模型，并引入遺忘因子實(shí)時(shí)跟蹤數(shù)據(jù)的非穩(wěn)定狀態(tài)；將傾斜量特征值輸入到模型中，得到測試信號的分布預(yù)測結(jié)果。該智能診斷方法以數(shù)據(jù)信息為驅(qū)動，自適應(yīng)的構(gòu)建了傾斜量特征值的概率估計(jì)預(yù)測模型，增加了風(fēng)機(jī)塔筒提前預(yù)警的可靠性，而且采用遺忘因子和遞歸處理數(shù)據(jù)方式，增強(qiáng)了模型對于大數(shù)據(jù)的泛化能力，實(shí)現(xiàn)了基于數(shù)據(jù)驅(qū)動的風(fēng)電塔筒智能診斷。

技術(shù)領(lǐng)域

本發(fā)明屬于風(fēng)電設(shè)備故障診斷技術(shù)領(lǐng)域，涉及一種基于傾角傳感器信息的風(fēng)電塔筒傾覆智能診斷方法。

背景技術(shù)

隨著環(huán)境的日益惡化和化石能源的嚴(yán)重短缺，開發(fā)清潔低碳的可再生能源成為全球能源發(fā)展的新方向，其中發(fā)展風(fēng)電產(chǎn)業(yè)，是建設(shè)低碳社會，保障能源供應(yīng)、培育戰(zhàn)略性新興產(chǎn)業(yè)、推動經(jīng)濟(jì)結(jié)構(gòu)調(diào)整的重要方向。截止至2018年，全球風(fēng)電市場累計(jì)裝機(jī)容量已達(dá)591GW，同比增長9.24%，其中，海上風(fēng)電累計(jì)容量為23GW，在累計(jì)裝機(jī)容量中占比3.89% (A.Report, GWEC Global wind report 2018.)。然而，在越來越多大容量兆瓦級風(fēng)機(jī)陸續(xù)安裝運(yùn)行的同時(shí)，風(fēng)電機(jī)組很多運(yùn)行隱患也開始逐步暴露出來，由于缺乏必要的監(jiān)測和保護(hù)手段，葉片脫落、倒塔和風(fēng)機(jī)失火等惡性事故時(shí)有發(fā)生。尤其是塔筒，作為整個(gè)風(fēng)電機(jī)組的承載部件，其性能直接影響了風(fēng)電機(jī)組運(yùn)行的穩(wěn)定性和可靠性，但由于制造、安裝質(zhì)量不合格，設(shè)備巡檢、運(yùn)行維護(hù)檢查不到位，風(fēng)機(jī)塔筒傾斜和倒塔事故時(shí)有發(fā)生，造成了巨大的經(jīng)濟(jì)損失。因此，對風(fēng)機(jī)塔筒運(yùn)行狀態(tài)進(jìn)行監(jiān)測已成為行業(yè)研究的熱點(diǎn)。

目前，針對風(fēng)電機(jī)組塔筒進(jìn)行實(shí)時(shí)監(jiān)測仍缺乏有效的技術(shù)手段。2013年，華銳風(fēng)電科技股份有限公司提出了一種風(fēng)電機(jī)組塔筒狀態(tài)檢測方法，僅僅是利用風(fēng)電機(jī)艙內(nèi)的振動傳感器實(shí)時(shí)監(jiān)測塔筒及基礎(chǔ)的狀態(tài)，提前預(yù)警性能較差。為了改進(jìn)，國家電投集團(tuán)提出了一種基于塔筒應(yīng)力點(diǎn)選取和Pearson相關(guān)系數(shù)與灰色神經(jīng)網(wǎng)絡(luò)相結(jié)合的塔筒應(yīng)力預(yù)警方法，首先通過分析塔筒形變得出應(yīng)力最大點(diǎn)，而后根據(jù)風(fēng)機(jī)所處的不同工況設(shè)置不同閾值，從而為風(fēng)電機(jī)組塔筒的檢測提供依據(jù)。然而，由于應(yīng)力點(diǎn)選取有限，同時(shí)考慮因素較少，導(dǎo)致檢測結(jié)果不全面，難以滿足風(fēng)電集群智能監(jiān)測需求。因此，實(shí)現(xiàn)風(fēng)電塔筒運(yùn)行狀態(tài)的智能診斷和早期預(yù)警，對避免風(fēng)機(jī)傾覆重大安全生產(chǎn)事故的發(fā)生，有著顯著的安全和經(jīng)濟(jì)效益。

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種基于傾角傳感器信息的風(fēng)電塔筒傾覆智能診斷方法，實(shí)現(xiàn)風(fēng)電塔筒運(yùn)行狀態(tài)的智能監(jiān)測和早期預(yù)警。

為實(shí)現(xiàn)上述目的，本發(fā)明所采用的技術(shù)方案是：一種基于傾角傳感器信息的風(fēng)電塔筒傾覆智能診斷方法，具體按以下步驟進(jìn)行：

1）利用分別安裝在塔筒頂端和底座法蘭平面上的傾角傳感器實(shí)時(shí)采集塔筒傾斜數(shù)據(jù)和塔筒基礎(chǔ)沉降數(shù)據(jù)，并將采集到的數(shù)據(jù)傳輸給遠(yuǎn)程監(jiān)測平臺進(jìn)行預(yù)處理，得到塔筒基礎(chǔ)沉降數(shù)據(jù)集{a_x,a_y}與塔筒傾斜數(shù)據(jù)集{b_x,b_y}；