System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及新能源,特别是一种基于磨损率预测的停机预警方法及系统。
技术介绍
1、风电是当前发展最快的可再生能源之一,在缓解环境污染、实现能源可持续发展方面发挥着重要作用。但与此同时,风电机组的运行维护也面临着一些挑战。由于长期处于户外复杂环境,风电机组各部件磨损失效的风险较高,尤其是刹车系统作为关键安全部件,其磨损状况直接影响机组安全运行,风力发电机组因高速轴刹车盘磨损运行时有发生,严重情况下甚至会引发火灾,如果得不到有效控制,风电机组将会发生毁灭性的打击,进而造成巨大经济损失甚至危及人身安全。
2、现有技术缺乏对磨损深层机理的建模分析,大多基于简单经验模型或数据拟合,难以准确描述复杂的非线性磨损规律。在处理过程考虑影响因素较为单一,忽视了温度、湿度、负载等多种因素的综合作用,无法全面反映磨损实际情况,基于线性假设的局限性,导致预测精度受限,与非线性的实际磨损过程存在偏差,缺少数据采集、模型建立、在线预测、决策分析等环节的集成和闭环处理。
技术实现思路
1、鉴于现有的基于磨损率预测的停机预警方法及系统中存在的问题,提出了本专利技术。
2、因此,本专利技术所要解决的问题在于如何预测风力发电机组刹车系统磨损状况并进行预警。
3、为解决上述技术问题,本专利技术提供如下技术方案:
4、第一方面,本专利技术实施例提供了一种基于磨损率预测的停机预警方法,其包括,基于风电机组运行状态,收集相关磨损参数数据;基于收集的数据构建磨损率预测模型,对当
5、作为本专利技术所述基于磨损率预测的停机预警方法的一种优选方案,其中:所述相关磨损参数数据包括温度数据、刹车盘磨损量数据、转速数据、环境数据以及振动数据;其中,温度t、磨损量y和转速n为核心工况参数,直接决定磨损预测模型的输入。
6、作为本专利技术所述基于磨损率预测的停机预警方法的一种优选方案,其中:所述磨损率预测模型表示为;
7、
8、其中,y表示刹车盘的磨损率;α0为常数项,表示基础磨损率;n为影响磨损率的因素个数;xi为第i个影响因素,包括温度、湿度、转速以及其他影响因素;βi为第i个影响因素的权重系数;f(xi)为对第i个影响因素的非线性映射函数;m为需要归一化处理的影响因素个数;θj为第j个需要归一化的影响因素的权重系数;φ为标准正态分布累积分布函数;η为归一化部分的权重系数。
9、作为本专利技术所述基于磨损率预测的停机预警方法的一种优选方案,其中:所述非线性映射函数表示为:
10、
11、其中,xi表示第i个影响因素变量;βi是第i个影响因素项的权重系数;θi是第i个影响因素的幂指数系数;ηi是第i个影响因素的指数衰减系数;进一步的,若θi>1,说明该影响因素xi越大,对应的f(xi)值就越大,呈现指数放大作用;若ηi>0,说明随着xi增大,f(xi)会先增大后减小,存在一个峰值,通过动态调整θi和ηi灵活描述各种不同影响因素的非线性变化规律。
12、作为本专利技术所述基于磨损率预测的停机预警方法的一种优选方案,其中:所述磨损等级通过刹车盘剩余寿命判定,所述刹车盘剩余寿命的计算为:定义磨损量y为刹车盘磨损厚度,初始厚度为y0,当y=ymax时,刹车盘需要强制更换,其中ymax为设计允许的最大磨损量;在时刻t,磨损量为yt,则剩余磨损量为:
13、yr=ymax-yt
14、磨损率y可定义为单位时间内的磨损量增量,即:
15、
16、设定磨损率y在未来一段时间内保持不变,那么剩余使用寿命l估算为:
17、
18、将时间离散成小的时间片段,在第i个时间片段δti内,有:
19、
20、则剩余磨损量为:
21、yr(i+1)=yr(i)-yi·δti
22、将上式迭代至磨损量达到ymax时,记迭代次数为n,则剩余使用寿命l表示为:
23、
24、将剩余使用寿命与阈值做对比,确认预警等级。
25、作为本专利技术所述基于磨损率预测的停机预警方法的一种优选方案,其中:所述预警等级的划分为,设定预警阈值l1为第一预警阈值,l2为第二预警阈值,l3为第三预警阈值;且l1<l2<l3;若l>l3,则判定为第五预警,说明状态良好,暂时无需调整等待下一周期检测;若l2<l≤l3,则判定为第四预警,说明刹车盘存在部分磨损,磨损速率开始加快,需提高磨损监测频率,分析加速磨损原因,检查温度、转速、环境的异常情况;经过p个检测周期,仍未降低,则升级为第三预警等级;若l1<l≤l2,则判定为第三级预警,说明刹车盘磨损较为严重,剩余使用寿命有限,需通知维修人员做好准备,预计在剩余寿命l1期限前完成检修,制定详细检修计划,包括时间、人力、备件等;经过m个检测周期,仍未降低,则升级为第二预警等级;若l≤l1,则判定为第二级预警,说明刹车盘磨损已经达到严重程度,剩余寿命极低,需发出检修命令,安排临时备用方案,根据剩余寿命l,确定最佳检修时间窗口,做好检修所需备件、人员等物资准备;经过n个检测周期,仍未降低,则升级为第一预警等级;若l≤lmax,则判定为第一级预警,说明刹车盘已无剩余使用寿命或磨损量超过极限,存在严重安全隐患,需立即停机,避免发生重大事故,尽快完成刹车盘检修或更换,事后分析导致严重磨损的根本原因,优化预警模型参数,提高预警精度。
26、作为本专利技术所述基于磨损率预测的停机预警方法的一种优选方案,其中:对所述预警阈值根据环境温度动态调整,则预警阈值设定为:
27、
28、
29、
30、其中,α0为常数项,表示基础磨损率;βi为第i个影响因素的权重系数;γi为指数增长速率;τi为指数位移参数;ni为第i个影响因素的幂指数;xi为第i个影响因素,包括温度t、湿度等;fi(xi)为第i个影响因素的非线性映射函数;θi、为指数衰减速率和位移参数;m、n为求和/积次数。
31、第二方面,本专利技术实施例提供了一种基于磨损率预测的停机预警系统,其包括:收集模块,用于基于风电机组运行状态,收集相关磨损参数数据;构建模块,用于根据收集的数据构建磨损率预测模型,对当前风电机组当前磨损状态进行预测;预警模块,用于基于预测结果设定阈值,确定磨损等级完成对风电机组过度磨损的停机预警。
32、第三方面,本专利技术实施例提供了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其中:所述处理器执行所述计算机程序时实现上述的基于磨损率预测的停机预警方法的任一步骤。
33、第四方面,本专利技术实施例提供了一种计算机可读存储介质,其上存储有计算机程序,其中:所述计算机程序被处理器执行时实现上述的基于磨损率预测的停机预警方法的任一步骤。<本文档来自技高网...
【技术保护点】
1.一种基于磨损率预测的停机预警方法,其特征在于:包括,
2.如权利要求1所述的基于磨损率预测的停机预警方法,其特征在于:所述相关磨损参数数据包括温度数据、刹车盘磨损量数据、转速数据、环境数据以及振动数据;
3.如权利要求2所述的基于磨损率预测的停机预警方法,其特征在于:所述磨损率预测模型表示为;
4.如权利要求3所述的基于磨损率预测的停机预警方法,其特征在于:所述非线性映射函数表示为:
5.如权利要求4所述的基于磨损率预测的停机预警方法,其特征在于:所述磨损等级通过刹车盘剩余寿命判定,
6.如权利要求5所述的基于磨损率预测的停机预警方法,其特征在于:所述预警等级的划分为,
7.如权利要求6所述的基于磨损率预测的停机预警方法,其特征在于:对所述预警阈值根据环境温度动态调整,则预警阈值设定为:
8.一种基于磨损率预测的停机预警系统,基于权利要求1~7任一所述的基于磨损率预测的停机预警方法,其特征在于:包括,
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于:
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于:所述计算机程序被处理器执行时实现权利要求1~7任一所述的基于磨损率预测的停机预警方法的步骤。
...【技术特征摘要】
1.一种基于磨损率预测的停机预警方法,其特征在于:包括,
2.如权利要求1所述的基于磨损率预测的停机预警方法,其特征在于:所述相关磨损参数数据包括温度数据、刹车盘磨损量数据、转速数据、环境数据以及振动数据;
3.如权利要求2所述的基于磨损率预测的停机预警方法,其特征在于:所述磨损率预测模型表示为;
4.如权利要求3所述的基于磨损率预测的停机预警方法,其特征在于:所述非线性映射函数表示为:
5.如权利要求4所述的基于磨损率预测的停机预警方法,其特征在于:所述磨损等级通过刹车盘剩余寿命判定,
6.如权利要求5所述的基于磨损率预测的停机预警方法,其特征在于:所述预警等级...
【专利技术属性】
技术研发人员:由梓默,段瑞龙,王吉超,史立志,乔宽,常晓勇,冯健行,梁永根,
申请(专利权)人:华能新能源股份有限公司河北分公司,
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。