[發明專利]風電機組變槳軸承檢測方法、裝置及風力機組

在審

• 申請號: 202210062394.8
• 申請日: 2022-01-19
• 公開（公告）號: CN114412726A
• 公開（公告）日: 2022-04-29
• 發明（設計）人: 郜志強;劉麗華;田浩
• 申請（專利權）人: 三一重能股份有限公司
• 主分類號: F03D17/00
• 分類號: F03D17/00
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 聶俊偉

1.一種風電機組變槳軸承檢測方法，其特征在于，包括：

獲取待測風電機組在停機收槳工況下的時序數據，構建用于進行變槳軸承檢測的各目標變量的時序數據集；

在任一目標變量涉及至少一個關聯變量的情況下，構建與所述任一目標變量相關的高維關聯變量模型，并根據所述任一目標變量的時序數據集，確定所述高維關聯變量模型中各網格單元的目標變量檢測值；

調用與所述任一目標變量相關的高維決策模型，并確定每個所述目標變量檢測值在所述高維決策模型中對應的目標變量參考值；

根據所有目標變量檢測值及其對應的目標變量參考值，確定對所述待測風電機組變槳軸承的檢測結果。

2.根據權利要求1所述的風電機組變槳軸承檢測方法，其特征在于，所述根據所有目標變量檢測值及其對應的目標變量參考值，確定對所述待測風電機組變槳軸承的檢測結果，包括：

確定所述任一目標變量相關的第一比值數組和第一異常值占比；所述第一比值數組是由每個目標變量檢測值及其對應的目標變量參考值之間的比值構成，所述第一異常值占比為目標變量檢測值大于對應的目標變量參考值的占比；

根據所有目標變量相關的第一比值數組和第一異常值占比，確定對所述待測風電機組變槳軸承的檢測結果。

3.根據權利要求2所述的風電機組變槳軸承檢測方法，其特征在于，還包括：

在任一目標變量不涉及關聯變量的情況下，調用與所述任一目標變量相關的變量參考閾值；

根據所述任一目標變量的時序數據集與所述變量參考閾值，確定所述任一目標變量相關的第二比值數組和第二異常值占比；

所述第二比值數組是由每個時序數據與所述變量參考閾值之間的比值構成，所述第二異常值占比為時序數據大于所述變量參考閾值的占比；

根據所有涉及關聯變量的目標變量相關的第一比值數組和第一異常值占比，以及所有不涉及關聯變量的目標變量相關的第二比值數組和第二異常值占比，重新確定對所述待測風電機組變槳軸承的檢測結果。

4.根據權利要求1所述的風電機組變槳軸承檢測方法，其特征在于，在所述任一目標變量為變槳電機電流，所述變槳電機電流涉及的關聯變量為槳距角、槳葉方位角的情況下，在調用與所述任一目標變量相關的高維決策模型之前，還包括：

獲取與所述待測風電機組同機型的其它風電機組在停機收槳工況下的歷史時序數據，并從所述歷史時序數據中篩選出與所述變槳電機電流相關的第一時序數據；

按照第一步長將槳葉方位角區間劃分為m個第一等分子區間；

將槳距角區間內劃分為n個第二等分子區間；所述n個第二等分子區間是將槳距角區間內劃分為多個槳距角子區間后，根據每個槳距角子區間對應的變槳速度，對每個槳距角子區間進行等距劃分后生成的；

由所述m個第一等分子區間與所述n個第二等分子區間，構成與所述變槳電機電流相關的高維決策模型，所述高維決策模型為二維決策模型；

根據所述第一時序數據，確定位于所述二維決策模型內各網格單元的目標變量歷史數據。

5.根據權利要求4所述的風電機組變槳軸承檢測方法，其特征在于，根據所述第一時序數據，確定位于所述二維決策模型內各網格單元的目標變量歷史數據之后，還包括：

在確定所述二維決策模型中各網格單元內的目標變量歷史數據的數量均大于第一閾值的情況下，根據位于所述二維決策模型中各網格單元內的目標變量歷史數據，確定各網格單元的目標變量參考值。

6.根據權利要求5所述的風電機組變槳軸承檢測方法，其特征在于，所述根據位于所述二維決策模型中各網格單元內的目標變量歷史數據，確定各網格單元的目標變量參考值，包括：

在對任一網格單元內的所有目標變量歷史數據，按照變槳電機電流的由小至大依次排列之后，由所有目標變量歷史數據構建第一箱線圖，并確定所述第一箱線圖的第一四分位數和第三四分位數；

根據所述第一四分位數和所述第三四分位數，確定所述第一箱線圖的四分位距；

結合所述四分位距和所述第三四分位數，確定所述第一箱線圖的上極限，并將所述上極限作為所述任一網格單元的目標變量參考值。