一種風(fēng)力發(fā)電機部件故障預(yù)警方法
【專利摘要】一種風(fēng)力發(fā)電機部件故障預(yù)警方法，其內(nèi)容是：是調(diào)用歷史數(shù)據(jù)庫中數(shù)據(jù)對并行回聲狀態(tài)網(wǎng)絡(luò)組進行模型訓(xùn)練，并測試每個回聲狀態(tài)網(wǎng)絡(luò)模型的準(zhǔn)確性，將符合要求的模型通過過程統(tǒng)計分析得出各特征參數(shù)的標(biāo)準(zhǔn)閾值；通過采集風(fēng)力發(fā)電機各部件的不同信號，經(jīng)數(shù)據(jù)預(yù)處理模塊處理后，在信息融合模塊中各特征參數(shù)與對應(yīng)標(biāo)準(zhǔn)閾值比較，并將比較結(jié)果和對應(yīng)的權(quán)值結(jié)合，給出預(yù)警信息，并根據(jù)現(xiàn)場維護的實際情況調(diào)節(jié)各特征參數(shù)的權(quán)值，監(jiān)測的實時數(shù)據(jù)要根據(jù)預(yù)警信息和現(xiàn)場維護情況。本發(fā)明是將多種特征參數(shù)的監(jiān)測結(jié)果進行融合分析后，給出風(fēng)力發(fā)電機部件的健康參數(shù)，保證預(yù)警結(jié)果的準(zhǔn)確性和可靠性。
【專利說明】—種風(fēng)力發(fā)電機部件故障預(yù)警方法

【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于風(fēng)力發(fā)電機狀態(tài)監(jiān)測領(lǐng)域，涉及一種風(fēng)力發(fā)電機部件故障預(yù)警方法。

【背景技術(shù)】
[0002]近年來，隨著世界各國化石能源供應(yīng)不確定性問題和節(jié)能減排形勢的日益嚴峻，綠色可再生能源和環(huán)保型低碳經(jīng)濟越來越受到重視。尤其是近五年，中國風(fēng)電裝機容量的增長極為迅速，并已于2010年底超越美國成為全球風(fēng)電裝機容量第一的國家。
[0003]在風(fēng)電產(chǎn)業(yè)迅猛發(fā)展的前提下，也引發(fā)了一系列的嚴峻問題。其中甚至有某風(fēng)場數(shù)十臺風(fēng)力發(fā)電機安裝數(shù)年來因故障而從未發(fā)電的報告，更多的情況是風(fēng)力發(fā)電機可靠性較低，而又缺乏故障預(yù)警功能，以致較小的故障未能及時發(fā)現(xiàn)、維修而發(fā)展成重大的安全和設(shè)備事故，不僅造成停機損失，而且維修費用急劇上升，甚至可能超過其產(chǎn)出費用。因此，國內(nèi)外已經(jīng)出現(xiàn)了某風(fēng)力發(fā)電機制造商因保修其故障多發(fā)的產(chǎn)品導(dǎo)致企業(yè)入不敷出而破產(chǎn)的報道。
[0004]當(dāng)前風(fēng)力發(fā)電機故障監(jiān)測主要是通過在風(fēng)力發(fā)電機傳動系統(tǒng)布置振動傳感器和溫度傳感器來監(jiān)測風(fēng)力發(fā)電機的運行狀態(tài)，當(dāng)測量值超過預(yù)先設(shè)定的閾值時報警或停機。但由于風(fēng)力發(fā)電機的運行環(huán)境不同，導(dǎo)致所設(shè)的閾值針對性較差，且缺乏對于風(fēng)力發(fā)電機早期故障的判斷，易造成風(fēng)力發(fā)電機的重大事故；風(fēng)力發(fā)電機是一種復(fù)雜的旋轉(zhuǎn)機械，如只單獨考慮一種或幾種測量參數(shù)，不能準(zhǔn)確地反映風(fēng)力發(fā)電機的運行狀態(tài)；另一方面，現(xiàn)在風(fēng)力發(fā)電機故障多發(fā)，狀態(tài)監(jiān)測和故障預(yù)警功能的低效和缺失，已嚴重地制約了風(fēng)電成為可靠高質(zhì)量能源的發(fā)展。


【發(fā)明內(nèi)容】

[0005]針對上述【背景技術(shù)】中提到當(dāng)前風(fēng)電機組的狀態(tài)評價在閾值確定和信息融合方面存在的不足，本發(fā)明提出了一種風(fēng)力發(fā)電機部件故障預(yù)警方法，本發(fā)明通過對具有預(yù)測功能閾值的確定來實現(xiàn)預(yù)警功能。為了保證該方法預(yù)警結(jié)果的準(zhǔn)確性和可靠性，本發(fā)明應(yīng)用信息融合的技術(shù)，將不同信號源的預(yù)測結(jié)果進行融合分析，以此來判斷風(fēng)力發(fā)電機部件的健康狀態(tài)，及時發(fā)現(xiàn)病情并指導(dǎo)治療，能夠防止小疾發(fā)展為大病，以較小的代價恢復(fù)健康，從而保持風(fēng)力發(fā)電機部件的健康和延長壽命，發(fā)揮更大的經(jīng)濟效益。
[0006]為了解決上述技術(shù)問題，本發(fā)明是通過以下技術(shù)方案實現(xiàn)的:一種風(fēng)力發(fā)電機部件故障預(yù)警方法，該方法包括如下內(nèi)容:
[0007]步驟一離線訓(xùn)練過程
[0008]離線訓(xùn)練過程是調(diào)用歷史數(shù)據(jù)庫中數(shù)據(jù)訓(xùn)練對并行回聲狀態(tài)網(wǎng)絡(luò)組(ParallelEcho State Network Group,以下簡稱PESNG)進行模型訓(xùn)練，并測試每個回聲狀態(tài)網(wǎng)絡(luò)(Echo State Network,以下簡稱ESN)模型的準(zhǔn)確性,將符合要求的ESN模型通過過程統(tǒng)計分析得出各特征參數(shù)的標(biāo)準(zhǔn)閾值；
[0009]步驟二在線監(jiān)測過程
[0010]在線預(yù)警過程是通過多傳感器采集模塊采集風(fēng)力發(fā)電機各部件的不同信號，經(jīng)數(shù)據(jù)預(yù)處理模塊處理后，輸入PESNG監(jiān)測模塊，并將運行結(jié)果輸入信息融合模塊；在信息融合模塊中各特征參數(shù)與對應(yīng)標(biāo)準(zhǔn)閾值比較，并將比較結(jié)果和對應(yīng)的權(quán)值結(jié)合，給出預(yù)警信息；
[0011]步驟三預(yù)警維護過程
[0012]預(yù)警維護過程是對發(fā)出故障預(yù)警警報的部件進行現(xiàn)場維護，并根據(jù)現(xiàn)場維護的實際情況調(diào)節(jié)各特征參數(shù)的權(quán)值；監(jiān)測的實時數(shù)據(jù)要根據(jù)預(yù)警信息和現(xiàn)場維護情況，分類存入歷史數(shù)據(jù)庫中，以達到歷史數(shù)據(jù)庫更新的目的。
[0013]所述的離線訓(xùn)練過程所用到的歷史數(shù)據(jù)庫中的數(shù)據(jù)，是風(fēng)力發(fā)電機正常工作時記錄下來的經(jīng)過相應(yīng)預(yù)處理的數(shù)據(jù)，并且所選擇的訓(xùn)練數(shù)據(jù)是風(fēng)力發(fā)電機某一部件的不同特征參數(shù)的集合。
[0014]所述的離線訓(xùn)練過程中的PESNG是將多個ESN模型集合在一起，每個PESNG對應(yīng)風(fēng)力發(fā)電機某一部件，其中每個ESN模型對應(yīng)該部件一個特征參數(shù)，每個ESN模型獨立進行訓(xùn)練測試。
[0015]所述的模型訓(xùn)練是從所選數(shù)據(jù)中抽取一段連續(xù)時間序列的數(shù)據(jù)U1 = [un, U12,…，uln]T，將？1 = [un，u12，…，ulm]T作為ESN模型的輸入單元，對應(yīng)的輸出單元為Q1 =[u1(1+t),u1(2+t),…，u1(m+t)]T，其中m+t ( n，輸入和輸出存在時間差t，根據(jù)ESN模型的基本方程⑴、⑵:
[0016]X (k+1) = f (ffinu (k+1)+Wx (k)+Wbacky (k)) (I)
[0017]y (k+1) = fout (Wout (u (k+1)，X (k+1), y (k))) (2)
[0018]訓(xùn)練ESN模型求出輸出權(quán)值矩陣W°ut，即可得到ESN的數(shù)學(xué)模型，并進行模型的準(zhǔn)確性驗證。
[0019]所述模型的準(zhǔn)確性驗證的步驟是，從歷史數(shù)據(jù)庫中選取另一段同源正常數(shù)據(jù)U2 =[u21，U22，…，u2n, ]τ，將P2= [U21，U22，…，u2m, ]7作為已訓(xùn)練完的ESN模型的輸入，經(jīng)過ESN
模型運算得出一組輸出2 =[?2(1+,,.，將輸出單元預(yù)測輸出的這與經(jīng)過t時間后真實輸出數(shù)據(jù)Q2 = [u2

【權(quán)利要求】
1.一種風(fēng)力發(fā)電機部件故障預(yù)警方法，其特征在于:該方法包括如下內(nèi)容: 步驟一離線訓(xùn)練過程 離線訓(xùn)練過程是調(diào)用歷史數(shù)據(jù)庫中數(shù)據(jù)訓(xùn)練對并行回聲狀態(tài)網(wǎng)絡(luò)組進行模型訓(xùn)練，并測試每個回聲狀態(tài)網(wǎng)絡(luò)模型的準(zhǔn)確性，將符合要求的回聲狀態(tài)網(wǎng)絡(luò)模型通過過程統(tǒng)計分析得出各特征參數(shù)的標(biāo)準(zhǔn)閾值； 步驟二在線監(jiān)測過程 在線預(yù)警過程是通過多傳感器采集模塊采集風(fēng)力發(fā)電機各部件的不同信號，經(jīng)數(shù)據(jù)預(yù)處理模塊處理后，輸入并行回聲狀態(tài)網(wǎng)絡(luò)組監(jiān)測模塊，并將運行結(jié)果輸入信息融合模塊；在信息融合模塊中各特征參數(shù)與對應(yīng)標(biāo)準(zhǔn)閾值比較，并將比較結(jié)果和對應(yīng)的權(quán)值結(jié)合，給出預(yù)警信息； 步驟三預(yù)警維護過程 預(yù)警維護過程是對發(fā)出故障預(yù)警警報的部件進行現(xiàn)場維護，并根據(jù)現(xiàn)場維護的實際情況調(diào)節(jié)各特征參數(shù)的權(quán)值；監(jiān)測的實時數(shù)據(jù)要根據(jù)預(yù)警信息和現(xiàn)場維護情況，分類存入歷史數(shù)據(jù)庫中，以達到歷史數(shù)據(jù)庫更新的目的； 所述的離線訓(xùn)練過程所用到的歷史數(shù)據(jù)庫中的數(shù)據(jù)，是風(fēng)力發(fā)電機正常工作時記錄下來的經(jīng)過相應(yīng)預(yù)處理的數(shù)據(jù)，并且所選擇的訓(xùn)練數(shù)據(jù)是風(fēng)力發(fā)電機某一部件的不同特征參數(shù)的集合； 所述的離線訓(xùn)練過程中的并行回聲狀態(tài)網(wǎng)絡(luò)組是將多個回聲狀態(tài)網(wǎng)絡(luò)模型集合在一起，每個并行回聲狀態(tài)網(wǎng)絡(luò)組對應(yīng)風(fēng)力發(fā)電機某一部件，其中每個回聲狀態(tài)網(wǎng)絡(luò)模型對應(yīng)該部件一個特征參數(shù)，每個回聲狀態(tài)網(wǎng)絡(luò)模型獨立進行訓(xùn)練測試； 所述在線預(yù)警過程中的并行回聲狀態(tài)網(wǎng)絡(luò)組監(jiān)測模塊，該模塊中的并行回聲狀態(tài)網(wǎng)絡(luò)組是經(jīng)過離線訓(xùn)練過程，滿足條件而保存下來的模型組；該模塊的輸入是同一部件各特征參數(shù)的實時數(shù)據(jù)；該模塊的工作過程是將當(dāng)前時刻的實時特征參數(shù)數(shù)據(jù)p(n)輸入對應(yīng)的回聲狀態(tài)網(wǎng)絡(luò)模型，計算經(jīng)過t時間后的真實值Q(n+t)，進一步做差計算得到當(dāng)前時刻的后向穿越差c,即:^ = (h η + t\-P 所述在線預(yù)警過程中的信息融合模塊，其參數(shù)閾值比較的具體過程為，特征參數(shù)超出閾值范圍的比較結(jié)果輸出1，在閾值范圍內(nèi)的輸出O ;各特征參量的權(quán)值是根據(jù)模型預(yù)測準(zhǔn)確度確定的，賦予準(zhǔn)確度高的特征參數(shù)較高的權(quán)值，并且所述的權(quán)值實時根據(jù)預(yù)警和維護結(jié)果進行修正；給出預(yù)警結(jié)果b，預(yù)警結(jié)果b的運算公式為:b =，其中ru r2,…，rd為各特征參數(shù)與相應(yīng)標(biāo)準(zhǔn)閾值的比較輸出結(jié)果N1, q2,…，qd為各特征參數(shù)所占的權(quán)值，各參數(shù)的初始權(quán)值相等，且Qjq2Xqd = I，當(dāng)該部件在一段時間內(nèi)，預(yù)警結(jié)果b頻繁大于0.6時，該部件發(fā)出故障預(yù)警警報； 所述的模型訓(xùn)練是從所選數(shù)據(jù)中抽取一段連續(xù)時間序列的數(shù)據(jù)U1 = [un，U12，…，Uln]T,將？:= [un，U12，…，ulm]T作為回聲狀態(tài)網(wǎng)絡(luò)模型的輸入單元，對應(yīng)的輸出單元為Q1 =[u1(1+t), u1(2+t),…，u1(m+t)]T,其中m+t ( η,輸入和輸出存在時間差t,根據(jù)回聲狀態(tài)網(wǎng)絡(luò)模型的基本方程⑴、⑵:
X (k+1) = f (ffinu(k+l)+ffx(k) +Wbacky (k)) (I)
Y (k+1) = fout (Wout (u (k+1)，X (k+1)，y (k))) (2)訓(xùn)練回聲狀態(tài)網(wǎng)絡(luò)模型求出輸出權(quán)值矩陣W°ut，即可得到回聲狀態(tài)網(wǎng)絡(luò)的數(shù)學(xué)模型，并進行模型的準(zhǔn)確性驗證； 所述的預(yù)警維護過程是根據(jù)預(yù)警維護結(jié)果進行相應(yīng)的參數(shù)調(diào)整和數(shù)據(jù)存儲，對于預(yù)警結(jié)果不正確的特征參數(shù)，削減當(dāng)前權(quán)值的1/5，將削減的這部分權(quán)值平均分配給預(yù)警結(jié)果正確的特征參數(shù)，當(dāng)某一特征參數(shù)的權(quán)值小于l/2d，需要對相關(guān)傳感器的性能和放置進行檢查，其中d為此部件所需監(jiān)測特征參數(shù)的個數(shù)； 所述歷史數(shù)據(jù)庫更新的工作原則是，對于經(jīng)過該預(yù)警方法沒有引起報警的數(shù)據(jù)，直接存入歷史數(shù)據(jù)庫中的正常數(shù)據(jù)庫；對于引起報警的數(shù)據(jù)，則需要根據(jù)現(xiàn)場的維護情況來判斷數(shù)據(jù)的存儲地址；如果報警正確，將其存入歷史數(shù)據(jù)庫中的異常數(shù)據(jù)庫；如果是誤報警，則將此數(shù)據(jù)存入歷史數(shù)據(jù)庫中的正常數(shù)據(jù)庫。
2.根據(jù)權(quán)利要求1所述的一種風(fēng)力發(fā)電機部件故障預(yù)警方法，其特征在于:所述模型的準(zhǔn)確性驗證的步驟是，從歷史數(shù)據(jù)庫中選取另一段同源正常數(shù)據(jù)U2= [u21，u22，…，u2n,]τ，將P2= [u21，u22，…，u2m, ]τ作為已訓(xùn)練完的回聲狀態(tài)網(wǎng)絡(luò)模型的輸入，經(jīng)過回聲狀態(tài)網(wǎng)絡(luò)模型運算得出一組輸出&~"? ，將輸出單元預(yù)測輸出的2與經(jīng)過t時間后真實輸出數(shù)據(jù)Q2= [u2
求得預(yù)測數(shù)據(jù)的無偏均方根誤差NRMSE，其中σ 2為Q2 (i)的方差，當(dāng)NRMSE〈0.6時，表示模型性能安全準(zhǔn)確，否則重新訓(xùn)練，直到滿足要求，并在模型滿足條件時進行相應(yīng)特征參數(shù)的標(biāo)準(zhǔn)閾值確定。
3.根據(jù)權(quán)利要求2所述的一種風(fēng)力發(fā)電機部件故障預(yù)警方法，其特征在于:所述的標(biāo)準(zhǔn)閾值確定的方法是將測試模型的輸出值?與模型輸入值P2 =[u21，u22，…，u2m, ]τ做差，得到一組后向穿越差向量C，對后向穿越差向量C進行相應(yīng)的過程統(tǒng)計分析，得出對應(yīng)特征參數(shù)的標(biāo)準(zhǔn)閾值。
【文檔編號】G06Q50/06GK104200396SQ201410424069
【公開日】2014年12月10日 申請日期:2014年8月26日 優(yōu)先權(quán)日:2014年8月26日
【發(fā)明者】謝平, 張欣欣, 江國乾, 何群, 杜義浩, 王一凡 申請人:燕山大學(xué)