一种齿轮箱油池温度预警方法、系统、设备及介质与流程

本发明属于风力发电，具体涉及一种齿轮箱油池温度预警方法、系统、设备及介质。

背景技术：

1、风电机组的日常运行环境比较恶劣复杂，长期的运行会对风机内部造成一定影响，风机的运行可靠性就会降低，运行寿命缩减。风机一旦出现故障报警进而停机，就会造成不少的经济损失。齿轮箱是风力发电机组的重要部件，风能推动风轮旋转产生机械能，但是发电机旋转需要输入足够高的转速，齿轮箱便是将风轮传达给发电机的机械能对应的转速提升到相应标准的设备。鉴于齿轮箱这种作用，若齿轮箱发生故障未能及时维修，会产生重大的电量损失，因此，要对齿轮箱的实时运行状态进行监测，在故障发生之前提前发出预测显得至关重要。

2、目前风电机组均配有监控与数据采集系统(scada系统)，能够监控风电机组功率、转速，以及齿轮箱、发电机等大部件的温度等参数，对主要部件的运行状态进行简单的判定，但是一般只针对单一参数设定固定阈值，时效性较差；且对齿轮箱油池温度进行监测容易受到周围环境的影响，造成无法实时对齿轮箱油池温度进行预警。

技术实现思路

1、为了克服现有技术的缺点，本发明的目的在于提供一种齿轮箱油池温度预警方法、系统、设备及介质，以解决现有的监控系统时效性较差，对齿轮箱油池温度进行预警时无法实时对齿轮箱油池温度进行预警的问题。

2、为了达到上述目的，本发明采用以下技术方案实现：

3、第一方面，本发明提供一种齿轮箱油池温度预警方法，包括：

4、获取所有风机历史运行数据，进行数据预处理，对风机的相关性进行分析，建立健康机组群，选择健康机组群的主特征值；

5、选择健康机组群的历史运行数据作为正样本数据，通过健康机组群的主特征值，建立齿轮箱油池温度预警模型，确定齿轮箱油池温度残差的平均值和标准差的阈值；

6、选择有齿轮箱温度预警的机组的运行数据作为负样本数据，输入到建立好齿轮箱油池温度预警模型，获得预警机组的齿轮箱油池温度预测值，计算负样本数据的齿轮箱油池温度残差的平均值和标准差；

7、将计算出的负样本数据的齿轮箱油池温度残差的平均值和标准差，与确定的齿轮箱油池温度残差的平均值和标准差的阈值进行对比，对齿轮箱油池温度进行预警判断。

8、进一步的，所述获取所有风机历史运行数据，进行数据预处理，具体包括：

9、获取风电场所有风机的历史运行数据，对数据进行预处理；

10、历史运行数据取自scada系统数据，数据采集周期为5分钟，数据源包含同一时间序列的风机运行状态、发电机有功功率、瞬时风速、环境温度、主轴前轴承温度、主轴后轴承温度、发电机转速、齿轮箱高速轴前端温度、齿轮箱高速轴后端温度、齿轮箱进口油温、齿轮箱油池温度、齿轮箱进口压力、齿轮箱油泵出口压力和齿轮箱冷却水温度14项特征参数；

11、对获取的历史运行数据进行异常数据清洗，清洗原则为：排除齿轮箱油池温度小于-50℃，大于120℃的点；选取风机有功功率大于零的时刻点进行分析，若某个时刻点某项特征参数有缺失数据，则对应时刻的采集到的所有数据都删除。

12、进一步的，所述对风机的相关性进行分析，建立健康机组群，选择健康机组群的主特征值，具体包括：

13、采用皮尔逊相关系数，计算相同时间周期中发生过齿轮箱油池温度预警的风机与邻近机组中，相同特征参数之间的相似度；

14、(xi,yi)为总样本中的任意一组值，变量x与变量y之间的皮尔逊相关性系数ρpearson为：

15、

16、皮尔逊系数为两组变量的协方差与标准偏差乘积的比值，值域范围为[-1,1]；

17、根据得到的相关性较大的风机，建立健康机组群；相关性较大为相关系数的绝对值大于或等于0.6；

18、对健康机组群中，齿轮箱油池温度参数与风机的其余所有特征参数进行相关性进行分析，选取相关性较大的特征作为健康机组群的主特征值；相关性较大为相关系数的绝对值大于或等于0.6。

19、进一步的，所述选择健康机组群的历史运行数据作为正样本数据，通过健康机组群的主特征值，建立齿轮箱油池温度预警模型，具体包括：

20、对健康机组群的主特征值进行归一化处理，选用最大值最小值归一化，具体公式如下：

21、

22、其中：x为某个特征值；xmax、xmin为某个特征值的最大值与最小值，xstd为最大值最小值归一化后的主特征值；

23、将归一化后的主特征值作为模型的输入，以齿轮箱油池温度作为模型的输出，建立齿轮箱油池温度预警模型；

24、引入决策系数评估模型准确性，公式如下：

25、

26、式中：r2为决策系数；ytrue为风机齿轮箱油池温度实际值，通过scada系统获得，ytrue_mean为风机齿轮箱油池温度实际值的平均值，ypred为风机齿轮箱油池温度预测值，为齿轮箱油池温度预警模型输出值。

27、进一步的，所述确定齿轮箱油池温度残差的平均值和标准差的阈值，具体包括：

28、采用滑动窗口分析方法对预测残差进行处理，滑动窗口的宽度为n，该窗口下包含采样点的残差均值和标准差的计算公式如下：

29、

30、

31、式中，erri为窗口中的第i个残差，n为当前滑动窗口中采集点数，为当前滑动窗口的残差平均值，s为当前滑动窗口的残差标准差；

32、erri＝ypred-ytrue

33、使用滑动窗口法计算整个正样本数据，确定残差均值的绝对值的最大值和残差标准差的最大值s_max，作为残差平均值和残差标准差的阈值。

34、进一步的，所述选择有齿轮箱温度预警的机组的运行数据作为负样本数据，输入到建立好的齿轮箱油池温度预测模型，获得预警机组的齿轮箱油池温度预测值，计算负样本数据的齿轮箱油池温度残差的平均值和标准差，具体包括：

35、将负样本数据输入建立好的齿轮箱油池温度预警模型进行预测，获得预警机组的齿轮箱油池温度；

36、根据预警机组的齿轮箱油池温度预测值与实际值，使用滑动窗口分析方法计算负样本数据的齿轮箱油池温度残差的平均值和标准差，滑动窗口的宽度为n。

37、进一步的，所述将计算出的负样本数据的齿轮箱油池温度残差的平均值和标准差，与确定的齿轮箱油池温度残差的平均值和标准差的阈值进行对比，对齿轮箱油池温度进行预警判断，具体包括：

38、当计算出的负样本数据的齿轮箱油池温度残差的平均值和标准差，连续k个时刻大于确定好的齿轮箱油池温度残差的平均值和标准差阈值时，发出齿轮箱温度超限预警。

39、第二方面，本发明提供一种齿轮箱油池温度预警系统，包括：

40、数据获取及主特征值选择模块，用于获取所有风机历史运行数据，进行数据预处理，对风机的相关性进行分析，建立健康机组群，选择健康机组群的主特征值；

41、模型的建立及阈值的确定模块，用于选择健康机组群的历史运行数据作为正样本数据，通过健康机组群的主特征值，建立齿轮箱油池温度预警模型，确定齿轮箱油池温度残差的平均值和标准差的阈值；

42、油池温度预测值获得模块及平均值和标准差的计算模块，用于选择有齿轮箱温度预警的机组的运行数据作为负样本数据，输入到建立好的齿轮箱油池温度预警模型，获得预警机组的齿轮箱油池温度预测值，计算负样本数据的齿轮箱油池温度残差的平均值和标准差；

43、齿轮箱油池温度预警模块，用于将计算出的负样本数据的齿轮箱油池温度残差的平均值和标准差，与确定的齿轮箱油池温度残差的平均值和标准差的阈值进行对比，对齿轮箱油池温度进行预警判断。

44、第三方面，本发明提供一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述中任一项所述的一种齿轮箱油池温度预警方法。

45、第四方面，本发明提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述中任一项所述的一种齿轮箱油池温度预警方法。

46、本发明至少具有以下有益效果：

47、1、本发明获取所有风机历史运行数据，对风机的相关性进行分析，建立了健康机组群，针对风电场历史运行数据建立了正、负样本数据，选择与齿轮箱油池温度相关性较大的特征作为主特征值进行输入，通过正样本数据建立齿轮箱油池温度预警模型，确定齿轮箱油池温度残差的平均值和标准差的阈值；通过负样本数据对模型进行预测，实时计算当前机组齿轮箱油池温度预测值与实际值的偏差，并于设定的阈值进行对比，当温度偏差大于设定阈值时，发出齿轮箱油池温度超限预警；通过此方法能够通过实时数据对齿轮箱油池温度进行预警，具有实时性、可操作性强的优点。

48、2、本发明无需加装额外的传感器，只对风场的历史运行数据建模分析即可，更具备可实施性和可推广性。