【技术实现步骤摘要】
本专利技术涉及风力发电，具体涉及一种风力发电机组风速仪故障监测方法及系统。
技术介绍
1、风力发电机组的风速信号来源于安装在机舱上方外部的风速仪，风速信号作为风机启停机、安全链等控制逻辑的输入参数。随着风力发电机组运行时间的增长，风速仪逐步老化，存在失效、测风信号偏差大等问题，影响了风机的安全稳定运行。
2、目前，对风速仪故障的监测和判断，主要基于其信号是否丢失、卡死等，对其信号的准确性缺少量化的评价方法。根据风力发电原理，叶轮在风吹过时得到气动升力，气动升力与叶片本身重力在叶片旋转方向上的分量，形成了旋转力矩，推动叶轮转动，并进一步通过传动链、发电机等设备转化为电能。
3、因此，如果可以得到叶根扭矩与风速的关联函数，即可通过扭矩推算风速，并与风速仪风速对比，评价风速仪信号的准确性。
4、有鉴于此，本申请的专利技术人设计了一种基于多源信号的风力发电机组风速仪故障监测方法及系统，以期克服上述技术问题。
技术实现思路
1、本专利技术要解决的技术问题是为了克服现有技术中对风速仪故障的监测和判断，主要基于其信号是否丢失、卡死等，对其信号的准确性缺少量化的评价方法的缺陷，提供一种基于多源信号的风力发电机组风速仪故障监测方法及系统。
2、本专利技术是通过下述技术方案来解决上述技术问题的：
3、本专利技术一种基于多源信号的风力发电机组风速仪故障监测方法，其特点在于，所述方法包括步骤：s1、对多源信号数据进行神经网络建模，根据建模数据，计
4、根据本专利技术的一个实施例，所述多源信号数据至少包括：叶片载荷信号数据，以及风力发电机组数据采集与监视控制系统的信号数据。
5、根据本专利技术的一个实施例，所述步骤s1包括：根据建模数据，叶片载荷信号按设定采样频率进行采集，取其中最大个数的完整周期，计算叶片旋转一圈时所承受的平均载荷，获得叶片升力扭矩。
6、根据本专利技术的一个实施例，所述叶片升力扭矩的计算公式为：其中，flift,i是第i分钟的叶片平均升力扭矩，fkift,j是在第i分钟中第j个完整圈的叶片平均升力扭矩；fk是叶片载荷传感器记录的第k个序列点的载荷力矩；n表示第i分钟内，叶轮旋转完整圈的个数；n表示第k圈时，叶片载荷传感器采样的个数。
7、根据本专利技术的一个实施例，所述步骤s2包括：在得到所述叶片升力扭矩后，结合叶轮转速，计算得到叶片机械功率，计算公式如下：其中，pi为叶片机械功率；所述转速为由风力发电机组数据采集与监视控制系统的信号数据中获取的叶轮转速；flift,i是第i分钟的叶片平均升力扭矩。
8、根据本专利技术的一个实施例，所述步骤s3包括：s31、将多源信号数据进行归一化处理，使得每个参数的取值范围在[-1,1]之间；s32、使用误差逆向传播算法训练的多层前馈神经网络，建立多源信号数据与风速的关系。
9、根据本专利技术的一个实施例，所述多层前馈神经网络的输入参数包括：叶片机械功率、由风力发电机组数据采集与监视控制系统记录的功率、对风角度和桨距角；所述多层前馈神经网络的输出参数包括：风力发电机组数据采集与监视控制系统记录的风速。
10、根据本专利技术的一个实施例，所述步骤s4包括：s41、将切入风速至切出风速按0.5m/s分区，计算每个风速区间，计算推算风速与实际风速偏差的均值和标准差；s42、根据所述均值和所述标准差计算偏差允许范围：偏差允许范围＝[均值-(2.576*标准差),均值+(2.576*标准差)]。
11、本专利技术还提供一种基于多源信号的风力发电机组风速仪故障监测系统，其特点在于，所述故障监测系统采用如上所述的基于多源信号的风力发电机组风速仪故障监测方法，所述故障监测系统包括：准备模块，用于对多源信号数据进行神经网络建模，根据建模数据，计算叶片升力扭矩；将所述叶片升力扭矩结合叶轮转速，计算叶片机械功率；建立多源信号数据与风速的关系；偏差计算模块，用于计算推算风速与实际风速偏差的均值和标准差，通过所述均值和所述标准差计算偏差允许范围；判断模块，用于计算推算风速与风速仪风速的差值，当差值超出偏差允许范围且持续预设时间段，则判断风速仪发生故障。
12、根据本专利技术的一个实施例，所述偏差允许范围的计算公式为：偏差允许范围＝[均值-(2.576*标准差),均值+(2.576*标准差)]。
13、本专利技术的积极进步效果在于：
14、本专利技术基于多源信号的风力发电机组风速仪故障监测方法及系统至少具备如下优势：
15、一、多源信号方法利用来自不同传感器和系统的数据，这种多元化的数据来源有助于更全面地捕捉风速仪的运行状态和潜在故障，从而提高故障检测的准确性。
16、二、能够准确判断风速仪故障状态并及时预警，从而允许风电场运维人员进行预防性维护，避免因风速仪故障导致的风电场停机或发电效率降低。
17、三、通过及时监测和预警，可以减少因风速仪故障导致的停机时间，提高风电场的运行效率和发电效益。
18、四、通过准确判断风速仪的故障状态，可以避免不必要的维修和更换，从而降低风电场的维护成本。
本文档来自技高网...【技术保护点】
1.一种基于多源信号的风力发电机组风速仪故障监测方法，其特征在于，所述方法包括步骤：
2.如权利要求1所述的基于多源信号的风力发电机组风速仪故障监测方法，其特征在于，所述多源信号数据至少包括：叶片载荷信号数据，以及风力发电机组数据采集与监视控制系统的信号数据。
3.如权利要求2所述的基于多源信号的风力发电机组风速仪故障监测方法，其特征在于，所述步骤S1包括：
4.如权利要求3所述的基于多源信号的风力发电机组风速仪故障监测方法，其特征在于，所述叶片升力扭矩的计算公式为：
5.如权利要求1所述的基于多源信号的风力发电机组风速仪故障监测方法，其特征在于，所述步骤S2包括：
6.如权利要求2所述的基于多源信号的风力发电机组风速仪故障监测方法，其特征在于，所述步骤S3包括：
7.如权利要求6所述的基于多源信号的风力发电机组风速仪故障监测方法，其特征在于，
8.如权利要求1所述的基于多源信号的风力发电机组风速仪故障监测方法，其特征在于，所述步骤S4包括：
9.一种基于多源信号的风力发电机组风速仪故
10.如权利要求9所述的基于多源信号的风力发电机组风速仪故障监测系统，其特征在于，所述偏差允许范围的计算公式为：
...【技术特征摘要】
1.一种基于多源信号的风力发电机组风速仪故障监测方法，其特征在于，所述方法包括步骤：
2.如权利要求1所述的基于多源信号的风力发电机组风速仪故障监测方法，其特征在于，所述多源信号数据至少包括：叶片载荷信号数据，以及风力发电机组数据采集与监视控制系统的信号数据。
3.如权利要求2所述的基于多源信号的风力发电机组风速仪故障监测方法，其特征在于，所述步骤s1包括：
4.如权利要求3所述的基于多源信号的风力发电机组风速仪故障监测方法，其特征在于，所述叶片升力扭矩的计算公式为：
5.如权利要求1所述的基于多源信号的风力发电机组风速仪故障监测方法，其特征在于，所述步骤s2包括：
<...【专利技术属性】
技术研发人员：马致远，曹梦楠，林琳，阳荣昌，邓屹，
申请(专利权)人：上海能源科技发展有限公司，
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。