一种风电机组温度特征量的阈值分区确定方法技术

本发明专利技术公开了一种风电机组温度特征量的阈值分区确定方法，属于风力发电机组运行状态监测技术领域。在该方法中，将风电机组SCADA运行数据作为输入，以风电机组有功功率为区间划分依据，采用bin方法，实现了对温度特征量历史运行数据划分，通过对各区间温度特征量运行数据进行数据统计计算，最终实现各区间内温度特征量区间阈值确定。本方法可直接应用到基于风电机组SCADA信息的状态监测和故障预警系统中，也可应用与基于风电机组控制系统信息的实时状态监测与评估中，从而提高基于温度特征量的风电机组状态监测预警的准确性，为评估及预测风电机组安全运行可靠性提供技术支撑。

【技术实现步骤摘要】
一种风电机组温度特征量的阈值分区确定方法
本专利技术属于风力发电机组运行状态监测
，涉及一种风电机组温度特征量的阈值分区确定方法。
技术介绍
针对风电机组工况多变，温度特征量变动范围较大的情况，传统上仅对温度特征量设定最高的预警阈值已不能满足机组状态监测的要求。目前，在利用温度特征量实现对机组关键部件异常识别研究方面，对如何合理的设定温度特征量的阈值研究比较少见，较多研究集中在从风速、环境参量与温度特征量映射关系研究上，选取能表征机组关键部件运行工况的样本，通过多元参数拟合方法，以及非线性估计、人工神经网络、支持向量机等智能方法，将所计算的温度特征量理论值和实际值之间的残差作为判别机组关键部件异常的依据，在一定程度上实现对机组关键部件的状态监测。然而，选取表征机组关键部件运行工况的样本数据耗时费力，且应用智能算法过程中不可避免的掺杂人为主观因素，致使上述方法在应用上泛化能力弱，工程应用较难。因此，目前迫切需要寻求一种方法简单、满足工程要求且泛化应用能力强的温度特征量阈值确定方法。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种风电机组温度特征量的阈值分区确定方法，在该方法中仅需要利用风电机组SCADA系统中提取温度特征量和风电机组有功功率历史运行数据；以风电机组有功功率为区间划分依据，利用bin方法，将温度特征量历史运行数据进行区间划分，并通过对温度特征量各区间内运行数据进行统计计算，实现温度特征量区间阈值确定。为达到上述目的，本专利技术提供如下技术方案：一种风电机组温度特征量的阈值分区确定方法，包括以下步骤：步骤一：从风电机组SCADA系统中提取温度特征量和风电机组有功功率历史运行数据；步骤二：以风电机组有功功率为区间划分依据，利用bin方法，将温度特征量历史运行数据划分为若干个区间；步骤三：计算温度特征量各区间内运行数据的均值μ和标准差σ，将所确定的各区间[μ－1.96σ，μ+1.96σ]，分别作为温度特征量各区间的阈值；步骤四：当风电机组温度特征量的在线监测数据超过的所属区间的阈值时，表明被监测的机组部件出现异常。进一步，在步骤一中，从风电机组SCADA系统中获取的温度特征量包括主轴承温度、齿轮箱前轴承温度、齿轮箱后轴承温度、齿轮箱油温度、齿轮箱冷却水温度、齿轮箱回油温度、发电机绕组温度、发电机冷却水温度、发电机前轴承温度、发电机后轴承温度、变频器电抗温度、变频器电容温度、变频器IGBT温度，并提取以上温度特征量的历史运行数据。进一步，在步骤二中，以风电机组有功功率为区间划分依据，利用bin方法，将风电机组有功功率从0到额定功率按照大小平均划分为m个区间，各区间用Di，i＝1,2，…m来表示；分别以风电机组有功功率每个采样时刻的运行数据数值大小为依据，将温度特征量历史运行数据划归到各区间Di，即将温度特征量历史运行数据划分为m个区间。进一步，在步骤三中，区间Di内的温度特征量历史数据数值为其中，j＝1,2,...n，通过逐个计算区间Di内温度特征量运行数据的均值μi(i＝1,2，…m)和标准差σi，i＝1,2，…m；均值μi的计算公式如下：标准差σi的计算公式如下：将[μi-1.96σi，μi+1.96σi]作为温度特征量在区间Di的阈值。进一步，在步骤四中，将温度特征量各区间的阈值应用到风电机组SCADA系统中，当温度特征量的在线监测数据超过的所属区间的阈值时，表明被监测的机组关键部件出现异常。本专利技术的有益效果在于：本专利技术提出的一种风电机组温度特征量阈值分区确定方法可直接应用到基于风电机组SCADA信息的状态监测和故障预警系统中，也可应用与基于风电机组控制系统信息的实时状态监测与评估中，从而提高基于温度特征量的风电机组状态监测预警的准确性，为评估及预测风电机组安全运行可靠性提供技术支撑。附图说明为了使本专利技术的目的、技术方案和有益效果更加清楚，本专利技术提供如下附图进行说明：图1为风电机组温度特征量区间阈值确定方法结构图；图2为风电机组温度特征量区间阈值确定方法流程示意图；图3为实施例中某1.5MW风电机组区间D3内齿轮箱前轴承温度的历史数据；图4为风电机组温度特征量区间阈值应用过程。具体实施方式在本专利技术所述的方法中，将风电机组SCADA运行数据作为输入，以风电机组有功功率为区间划分依据，采用bin方法，实现了对温度特征量历史运行数据划分，通过对各区间温度特征量运行数据进行数据统计计算，最终实现各区间内温度特征量区间阈值确定。下面将结合附图，对本专利技术的优选实施例进行详细的描述。图1为风电机组温度特征量区间阈值确定方法结构图，图2为风电机组温度特征量区间阈值确定方法流程示意图。如图所示，本方法包括以下步骤：步骤一：从风电机组SCADA系统中提取温度特征量和风电机组有功功率历史运行数据；步骤二：以风电机组有功功率为区间划分依据，利用bin方法，将温度特征量历史运行数据划分为若干个区间；步骤三：计算温度特征量各区间内运行数据的均值μ和标准差σ，将所确定的各区间[μ－1.96σ，μ+1.96σ]，分别作为温度特征量各区间的阈值；步骤四：当风电机组温度特征量的在线监测数据超过的所属区间的阈值时，表明被监测的机组部件出现异常。具体来说：在步骤一中，从风电机组SCADA系统中获取的温度特征量包括主轴承温度、齿轮箱前轴承温度、齿轮箱后轴承温度、齿轮箱油温度、齿轮箱冷却水温度、齿轮箱回油温度、发电机绕组温度、发电机冷却水温度、发电机前轴承温度、发电机后轴承温度、变频器电抗温度、变频器电容温度、变频器IGBT温度，并提取以上温度特征量的历史运行数据。在步骤二中，以风电机组有功功率为区间划分依据，利用bin方法，将风电机组有功功率从0到额定功率按照大小平均划分为m个区间，各区间用Di，i＝1,2，…m来表示；分别以风电机组有功功率每个采样时刻的运行数据数值大小为依据，将温度特征量历史运行数据划归到各区间Di，即将温度特征量历史运行数据划分为m个区间。在步骤三中，区间Di内的温度特征量历史数据数值为其中，j＝1,2,...n，通过逐个计算区间Di内温度特征量运行数据的均值μi(i＝1,2，…m)和标准差σi，i＝1,2，…m；均值μi的计算公式如下：标准差σi的计算公式如下：将[μi-1.96σi，μi+1.96σi]作为温度特征量在区间Di的阈值。在步骤四中，将温度特征量各区间的阈值应用到风电机组SCADA系统中，当温度特征量的在线监测数据超过的所属区间的阈值时，表明被监测的机组关键部件出现异常。图3为实施例中某1.5MW风电机组区间D3内齿轮箱前轴承温度的历史数据，图4为风电机组温度特征量区间阈值应用过程。下面通过具体实施例来对本专利技术所述的方法进行具体说明：风电机组温度特征量的区间阈值确定，包括以下几个部分：特征量提取部分、区间划分部分、区间阈值确定部分。特征量提取部分：除了从风电机组SCADA本文档来自技高网...

【技术保护点】
一种风电机组温度特征量的阈值分区确定方法，其特征在于：包括以下步骤：步骤一：从风电机组SCADA系统中提取温度特征量和风电机组有功功率历史运行数据；步骤二：以风电机组有功功率为区间划分依据，利用bin方法，将温度特征量历史运行数据划分为若干个区间；步骤三：计算温度特征量各区间内运行数据的均值μ和标准差σ，将所确定的各区间[μ－1.96σ，μ+1.96σ]，分别作为温度特征量各区间的阈值；步骤四：当风电机组温度特征量的在线监测数据超过的所属区间的阈值时，表明被监测的机组部件出现异常。

【技术特征摘要】
1.一种风电机组温度特征量的阈值分区确定方法，其特征在于：包括以下步骤：步骤一：从风电机组SCADA系统中提取温度特征量和风电机组有功功率历史运行数据；步骤二：以风电机组有功功率为区间划分依据，利用bin方法，将温度特征量历史运行数据划分为若干个区间；步骤三：计算温度特征量各区间内运行数据的均值μ和标准差σ，将所确定的各区间[μ－1.96σ，μ+1.96σ]，分别作为温度特征量各区间的阈值；步骤四：当风电机组温度特征量的在线监测数据超过的所属区间的阈值时，表明被监测的机组部件出现异常。2.根据权利要求1所述的一种风电机组温度特征量的阈值分区确定方法，其特征在于：在步骤一中，从风电机组SCADA系统中获取的温度特征量包括主轴承温度、齿轮箱前轴承温度、齿轮箱后轴承温度、齿轮箱油温度、齿轮箱冷却水温度、齿轮箱回油温度、发电机绕组温度、发电机冷却水温度、发电机前轴承温度、发电机后轴承温度、变频器电抗温度、变频器电容温度、变频器IGBT温度，并提取以上温度特征量的历史运行数据。3.根据权利要求1所述的一种风电机组温度特征量的阈值分区确定方法，其特征在于：在步骤二中，以风电机组有功功率为区间划分依据，利用bin方法，将风电机组有功...

【专利技术属性】
技术研发人员：李辉，胡姚刚，杨东，李洋，刘盛权，何蓓，孟黎，梁媛媛，欧阳海黎，兰涌森，刘静，
申请(专利权)人：重庆大学，重庆科凯前卫风电设备有限责任公司，
类型：发明
国别省市：重庆;85