【技术实现步骤摘要】
风力发电机组主轴承的异常预警方法及装置
[0001]本公开涉及风力发电
更具体地，本公开涉及一种风力发电机组主轴承的异常预警方法及装置。
技术介绍
[0002]发电机主轴承作为机组的一个重要部件，一旦出现故障后果比较严重，轴承承载了叶片、轮毂和发电机的整体重量，长期承受交变载荷和重载荷，负载压力大，运行工况复杂；轴承填充的油脂多少对轴承散热和润滑至关重要，当油脂中掺杂杂质或轴承出现腐蚀点，就会刺穿油膜，再加上轴承的大交变载荷，导致轴承出现磨损或磨损加重异常。
[0003]一般情况下主轴承异常是存在一定时期的演化过程，在出现磨损或异常初期，会在特定的维度和工况下存在一定的异常特征，这类特征和机组正常运行时的状态会有明显差别，需要去识别和提取出来，进而采取相应措施进行处理，延长轴承使用寿命或提前进行更换部署，减少停机时间。
[0004]现有技术主要通过数据采集，相关参数的获取；风机主轴承正常温度模型的建立，风电机组主轴承实时的正常温度理论值的计算，采用神经网络算法预测轴承温度相关参数的实时数值进行理论值，通过理论预测值和实际值的偏差，进而判断轴承是否异常。由于神经网络算法中的神经网络模型不能确保足够准确和透明，导致神经网络模型的迭代优化会存在很大的障碍，同时将导致一定程度上的人力、物力等资源的浪费。
技术实现思路
[0005]本公开的示例性实施例在于提供一种风力发电机组主轴承的异常预警方法及装置，以解决现有异常预警方法存在的问题，从而及时准确地对风力发电机组主轴承的异常进行预警。<...
【技术保护点】
【技术特征摘要】
1.一种风力发电机组主轴承的异常预警方法，其特征在于，包括：获取第一预设时间段内的风电场中的各个风力发电机组的历史运行数据；根据所述历史运行数据计算所述各个风力发电机组主轴承的异常特征参数；基于所述异常特征参数确定所述各个风力发电机组主轴承的第一异常预警结果；基于所述异常特征参数将各个风力发电机组划分为异常程度不同的至少一个类别，根据所述至少一个类别确定所述各个风力发电机组主轴承的第二异常预警结果；根据所述第一异常预警结果和所述第二异常预警结果，确定所述各个风力发电机组主轴承是否异常。2.根据权利要求1所述的方法，其特征在于，还包括：基于所述异常特征参数预测所述各个风力发电机组主轴承是否温度异常，得到第三异常预警结果。3.根据权利要求2所述的方法，其特征在于，确定所述各个风力发电机组主轴承是否异常的步骤包括：根据所述第一异常预警结果和所述第二异常预警结果并且结合所述第三异常预警结果确定所述各个风力发电机组主轴承是否异常。4.根据权利要求1所述的方法，其特征在于，基于所述异常特征参数确定所述各个风力发电机组主轴承的第一异常预警结果的步骤包括：基于所述异常特征参数通过阈值比较算法确定每个风力发电机组的主轴承是否存在异常，得到所述第一异常预警结果。5.根据权利要求1所述的方法，其特征在于，基于所述异常特征参数将各个风力发电机组划分为异常程度不同的至少一个类别的步骤包括：基于所述异常特征参数通过聚类模型将各个风力发电机组分类为异常程度不同的至少一个类别，以根据所述至少一个类别确定各个风力发电机组的主轴承是否存在异常。6.根据权利要求2所述的方法，其特征在于，基于所述异常特征参数预测所述各个风力发电机组主轴承是否温度异常的步骤包括：基于所述异常特征参数通过决策树模型对各个风力发电机组进行二分类；根据各个风力发电机组的二分类结果预测所述各个风力发电机组主轴承是否温度异常。7.根据权利要求1-6中任一项所述的方法，其特征在于，根据所述历史运行数据计算所述各个风力发电机组主轴承的异常特征参数的步骤包括：从所述历史运行数据选择预定工况下与风力发电机组主轴承相关的所有参数；基于选择的所有参数，确定风力发电机组主轴承在所述预定工况下的异常特征参数。8.根据权利要求7所述的方法，其特征在于，在确定风力发电机组主轴承在所述预定工况下的异常特征参数之前，所述选择的所有参数经过预处理，其中，预处理的步骤包括：对所述选择的所有参数进行以下中的至少一项处理：数据去噪、数据集成、数据变换及规约、格式统一、数据转换及压缩、空缺值处理。9.根据权利要求7所述的方法，其特征在于，确定风力发电机组主轴承在所述预定工况下的异常特征参数的步骤包括：
从选择的所有参数中获取与风力发电机组主轴承的异常特征变量有关的参数；基于与风力发电机组主轴承的异常特征变量有关的参数，计算与风力发电机组主轴承的异常特征变量有关的重构参数；将与风力发电机组主轴承异常特征变量有关的参数和与风力发电机组主轴承异常特征变量有关的重构参数作为风力发电机组主轴承的异常特征参数。10.根据权利要求7所述的方法，其特征在于，根据所述历史运行数据计算所述各个风力发电机组主轴承的异常特征参数之后，还包括：基于确定的风力发电机组主轴承的异常特征参数，计算所述预定工况下的预警特征参数，以使用预警特征参数来判断风力发电机组是否存在异常。11.根据权利要求10所述的方法，其特征在于，基于所述异常特征参数通过阈值比较算法确定每个风力发电机组的主轴承是否存在异常的步骤包括：通过阈值比较算法将各个风力发电机组的预警特征参数与预警特征阈值进行比较；根据比较结果确定每个风力发电机组的主轴承是否存在异常。12.根据权利要求10所述的方法，其特征在于，基于所述异常特征参数通过聚类模型将各个风力发电机组分类为异常程度不同的至少一个类别的步骤包括：通过聚类模型对各个风力发电机组的预警特征参数进行聚类；根据聚类结果将各个风力发电机组分类为异常程度不同的至少一个类别，以将各个风力发电机组所属类别的异常程度确定为各个风力发电机组的异常程度。13.根据权利要求10所述的方法，其特征在于，基于所述异常特征参数通过决策树模型对各个风力发电机组进行二分类的步骤包括：通过决策树模型对各个风力发电机组的预警特征参数进行二分类，以将主轴承温度异常的风力发电机组分为一类，并且将主轴承温度无异常的风力发电机组分为另一类。14.根据权利要求7所述的方法，其特征在于，预定工况为以下工况中的一种：停机、待机、启动、并网、频繁变桨、偏航和覆冰。15.根据权利要求10所述的方法，其特征在于，所述第一预设时间段内包括多个第二预设时间段，所述方法还包括：计算在每个第二预设时间段内的预警特征参数的平均值，以将平均值作为在每个第二预设时间段内的预警特征参数。16.根据权利要求3所述的方法，其特征在于，根据所述第一异常预警结果和所述第二异常预警结果并且结合所述第三异常预警结果确定所述各个风力发电机组主轴承是否异常的步骤包括：根据所述第二异常预警结果判断所述各个风力发电机组主轴承是否异常；当风力发电机组处于所述第二异常预警结果中的异常类别时，确定风力发电机组主轴承异常；当风力发电机组不处于所述第二异常预警结果中的异常类别时，根据所述第一异常预警结果和所述第三异常预警结果判断所述第二异常预警结果中不处于异常类别的风力发电机组主轴承是否异常。17.根据权利要求16所述的方法，其特征在于，根据所述第一异常预警结果和所述第三
异常预警结果判断所述第二异常预警结果中不处于异常类别的风力发电机组的主轴承是否异常的步骤包括：分别确定所述第二异常预警结果中不处于异常类别的风力发电机组在所述第一异常预警结果和所述第三异常预警结果中是否被判断为主轴承异常；当所述第二异常预警结果中不处于异常类别的风力发电机组在所述第一异常预警结果和所述第三异常预警结果中的至少一个中被判断为主轴承异常时，确定所述第二异常预警结果中不处于异常类别的风力发电机组主轴承异常。18.根据权利要求1所述的方...
【专利技术属性】
技术研发人员：余斌，刘亚光，
申请(专利权)人：新疆金风科技股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。