一种兆瓦级永磁直驱风力发电机电气设备劣化程度识别方法与流程

1.本发明涉及的是一种风电技术领域的劣化程度识别技术，是对兆瓦级永磁直 驱风力发电机的电气设备劣化程度识别、劣化趋势预测的技术。


背景技术：

2.据统计，兆瓦级永磁直驱风力发电机故障中，电气设备的故障造成的故障停 机占比较大，如发电机温度过高等失效问题，一旦发生故障或失效，将直接影响 整个机组的安全稳定运行。兆瓦级永磁直驱风力发电机组外部工作环境一般处于 户外高温、高湿、盐雾当中，机组运行中还会受到交变的电磁干扰、网侧电气量 的剧烈波动、控制电路人为误操作等情况都可能引起电气设备不同程度的失效。 多数情况下电气设备未彻底损坏，只是局部劣化，系统运行依然良好，这样电气 设备损坏不易被发现，日常维护过程中也容易忽略该部位，一旦电气设备进一步 劣化造成故障甚至事故，会耗费大量的人力物力进行抢修。
3.提前掌握兆瓦级永磁直驱风力发电机电气设备的劣化程度和劣化趋势，了解 风电机组状态，在可预知情况下合理安排检修，有助于提高整机的可靠性和利用 率。


技术实现要素：

4.本发明提出一种兆瓦级永磁直驱风力发电机电气设备劣化程度识别方法，基 于scada系统监测数据，运用大数据分析方法，分析兆瓦级永磁直驱风力发电 机电气设备劣化程度，构建劣化模型，预测未来一年电气设备劣化趋势。
5.本发明提供的一种兆瓦级永磁直驱风力发电机电气设备劣化程度识别方法， 具体步骤如下：
6.(1)数据采集：从scada系统中抽取电气设备相关温度方面、电网方面、 风况方面等运行数据。
7.(2)特征参数提取：计算从抽取的电气设备相关温度方面、电网方面、风 况方面等运行数据与电气设备的相关系数，提取相关系数较大的特征参数。
8.(3)历史参数分析：考虑不同工况，确定风机正常运行的区间，分析风电 机组电气设备历史特征参数情况。
9.(4)劣化趋势预测模型建立：搭建时间序列劣化趋势预测模型，预测风电 机组电气设备未来一年劣化趋势。
10.与现有技术相比，本发明提供一种兆瓦级永磁直驱风力发电机电气设备劣化 程度识别方法，利用scada系统监测的电气设备相关大数据，搭建劣化趋势预 测模型，识别电气设备劣化程度，避免故障停机造成的损失，提高风电场的发电 效益。
附图说明：
11.图1为本发明流程示意图。
具体实施方式
12.下面结合附图对本发明的实施方式作详细说明，本发明的具体实施过程如图 1所示：
13.(1)数据采集：对scada系统整体监测模块进行梳理，采用etl技术抽 取与风电机组电气设备相关的温度数据、风况数据、电网数据等。
14.(2)特征参数提取：计算温度、风况、电网等数据与风机电气设备的相关 系数，选择相关系数大于0.6的因素作为风机电气设备的特征参数，相关系数公 式如下所示：
[0015][0016]
其中，cov(x，y)为x与y的协方差，var[x]为x的方差，var[y]为y的方 差。
[0017]
(3)历史参数分析：分析历史数据，将特征参数映射到[0,1]之间，公式如 下所示，表征现在电气设备所处于的状态，1代表故障状态，0代表健康状态， 结果越接近1，表明该电气设备故障几率越大。为排除本身故障对结果的影响， 计算时需考虑同一时间维度、正常工况下特征参数的映射结果，即以月度为单位， 计算切入风速、切出风速区间内且转速正常区间内特征参数的映射结果。
[0018][0019]
其中，g(x)为劣化度，x为实测数据，α、β为上下限值。
[0020]
计算出各个特征参数映射结果后，需要将多个特征参数结果组合成一个表征 电气设备的劣化度，具体方法为：将各个特征参数的相关系数映射到[0,1]区间， 得到其对电气设备的影响权重，各个特征参数权重与其映射结果的乘积和为电气 设备的劣化度。
[0021]
(4)劣化趋势预测模型建立：搭建劣化趋势预测模型，考虑特征参数变化 存在趋势及周期性时，属于非平稳信号序列，公式如下所示：
[0022][0023]
式中：{a
t
}是残差序列；自回归系数：滑动平均系数：滑动平均系数：
[0024]
考虑特征参数变化不存在趋势时，属于平稳信号序列，公式如下所示：
[0025][0026][0027][0028]
式中：自回归多项式；自回归多项式；滑动平均多项式。
[0029]
将历史电气设备劣化度输入模型，输出未来一年的劣化度，风电场运维人员 可以根据电气设备的劣化趋势制定相应的检修计划。


技术特征：
1.一种兆瓦级永磁直驱风力发电机电气设备劣化程度识别方法，其特征在于：采集分析电气设备相关运行数据，计算各数据项与电气设备的相关系数，提取相关系数大于0.6的数据项作为电气设备的特征参数，考虑切入、切出风速区间且风机正常运行转速区间的工况，计算同一时间维度下特征参数的映射结果，将特征参数的相关系数映射到[0,1]区间作为权重，乘以相应特征参数的映射结果，得到电气设备的综合劣化度，搭建劣化趋势预测模型，预测电气设备未来一年的劣化程度。2.如权利要求1中所述的一种兆瓦级永磁直驱风力发电机电气设备劣化程度识别方法，其特征在于：考虑电气设备多个特征参数，采用分段线性数学方法，将其映射到[0,1]之间，1代表故障状态，0代表健康状态，结果越接近1，表明该电气设备劣化程度越大。3.如权利要求1中所述的一种兆瓦级永磁直驱风力发电机电气设备劣化程度识别方法，其特征在于：计算电气设备劣化度时需考虑同一时间维度以及切入、切出风速区间且风机正常运行转速区间的正常工况，将各个特征参数结果与电气设备的相关系数映射到[0,1]区间，得到其权重，求取各个特征参数的权重与映射结果乘积和，得到电气设备的历史劣化度。4.如权利要求1中所述的一种兆瓦级永磁直驱风力发电机电气设备劣化程度识别方法，其特征在于：考虑电气设备的特征参数存在趋势或周期性、季节性的非平稳时间序列以及不存在趋势的平稳序列，搭建电气设备劣化趋势预测模型，输入电气设备历史劣化度，输出未来一年劣化趋势，根据劣化程度制定电气设备检修计划。

技术总结
本发明提供一种兆瓦级永磁直驱风力发电机电气设备劣化程度识别方法，包括以下内容：采集SCADA系统电气设备相关运行数据，计算数据项与电气设备相关系数，提取相关系数大于0.6的数据项作为电气设备的特征参数；考虑正常工况且同一时间维度下，特征参数的映射结果，将各个特征参数的相关系数映射到[0,1]区间，得到其权重，计算各特征参数映射结果与权重乘积和，得到电气设备的劣化度；考虑平稳序列和非平稳序列，搭建劣化趋势预测模型，预测电气设备未来一年劣化程度。本发明针对现有技术对兆瓦级永磁直驱风力发电机电气设备劣化程度方面应用不足的情况，提出一种兆瓦级永磁直驱风力发电机电气设备劣化程度识别方法，有助于掌握电气设备劣化程度与劣化趋势，合理安排检修计划，避免“过维修”与“欠维修”问题，提高风机的发电效益。高风机的发电效益。


技术研发人员：杨宏宇 高新亭 张佐辉 李阳 葛越 袁秋实
受保护的技术使用者：上海博英信息科技有限公司
技术研发日：2020.12.30
技术公布日：2022/6/30