一種風電機組故障檢測方法、裝置及系統與流程

本申請涉及風電機組故障檢測，具體涉及一種風電機組故障檢測方法、裝置及系統。

背景技術：

1、發電機作為風電機組的關鍵部件之一，由于其內部結構復雜，又受復雜多變的環境因素影響，發電機在實際運行過程中發生故障的概率相對較高且維修耗費時間較長。因此，對發電機的運行狀況進行實時評估，判斷其當前的健康情況對風電機組的安全運行具有重要意義。

2、傳統風電機組故障監測方法通常僅依賴于單一數據指標的變化進行故障預警，這種方法在應對復雜多變的運行環境和多因素耦合故障時，存在靈敏度不足、誤報率高、診斷精度低等問題。傳統的監測方法往往忽略了參數之間的內在聯系和數據變化的綜合特征，導致在繞組短路等關鍵故障發生時，無法及時、準確地捕捉故障特征，從而影響故障診斷的效率和準確性。

技術實現思路

1、為了解決上述技術問題，本申請的目的在于提供一種風電機組故障檢測方法、裝置及系統，所采用的技術方案具體如下：

2、第一方面，本申請實施例提供了一種風電機組故障檢測方法，該方法包括以下步驟：

3、采集風電機組的運行過程中的繞組電流數據、繞組溫度數據和有功功率數據；

4、基于各時刻對于前一相鄰時刻的繞組溫度數據的占比、前一相鄰時刻對于各時刻的有功功率數據的占比以及各時刻的繞組電流數據的值的大小，獲取各時刻的電流異常指數；

5、基于各時刻鄰域內的繞組溫度數據與繞組電流數據之間的相關性，與前一相鄰時刻的繞組溫度數據與繞組電流數據之間的相關性的差異情況，以及電流異常指數，獲取各時刻的電流響應指數；

6、將各時刻之前連續的預設個數的時刻作為各時刻的前向周期；

7、基于各時刻之間的距離大小獲取各時刻的前向周期內其他各時刻的權重系數；

8、基于各時刻與其前向周期內所有時刻的均值的差異、各時刻的電流響應指數與其前向周期內所有時刻的電流響應指數的均值的差異，獲取各時刻的加權斜率；

9、基于電流響應指數與加權斜率的值的大小獲取各時刻的機組故障系數；

10、基于機組故障系數獲取誤差閾值范圍；基于誤差閾值范圍對風電機組的故障進行檢測。

11、進一步，所述電流異常指數的公式為：

12、

13、式中，表示時刻的電流異常指數；表示時刻的繞組電流數據，和分別表示時刻和時刻的繞組溫度數據，和分別表示時刻和時刻的有功功率數據。

14、進一步，所述電流響應指數的獲取方法為：

15、對于各時刻的繞組溫度數據以及繞組電流數據，從當前時刻起，分別向前獲取連續的預設個數的時刻的繞組溫度數據和繞組電流數據按照時間正序組成的序列，分別記為各時刻的繞組溫度局部數據序列和繞組電流局部數據序列；

16、所述電流響應指數的公式為：

17、

18、式中，為t時刻的電流響應指數；為時刻的繞組溫度局部數據序列與繞組電流局部數據序列之間的相關系數，為時刻的繞組溫度局部數據序列與繞組電流局部數據序列之間的相關系數；表示時刻的電流異常指數；e為自然常數。

19、進一步，所述權重系數的獲取方法為：

20、對于各時刻與其前向周期的其他各時刻之間的差值的倒數，作為各時刻的前向周期的其他各時刻的權重系數。

21、進一步，所述加權斜率的公式為：

22、

23、式中，為t時刻的加權斜率；為t時刻的前向周期內第i個時刻的電流響應指數的權重系數，表示為t時刻的前向周期內第i個時刻，表示t時刻的前向周期內所有時刻的均值，表示t時刻的前向周期內第個電流響應指數，表示t時刻的前向周期內的電流響應指數的平均值，為t時刻的前向周期內的時刻的總數。

24、進一步，所述機組故障系數的獲取方法為：

25、對于各時刻，計算以自然常數為底、以加權斜率為指數的指數函數的計算結果，將電流響應指數與所述計算結果的乘積作為各時刻的機組故障系數。

26、進一步，所述誤差閾值范圍的獲取方法為：

27、計算所有時刻的機組故障系數的平均值和標準差，計算預設常數與標準差的相乘結果，將所述平均值與所述相乘結果的和值作為誤差閾值范圍的上限，將所述平均值與所述相乘結果的差值作為誤差閾值范圍的下限。

28、進一步，所述基于誤差閾值范圍對風電機組的故障進行檢測，包括：

29、對于各時刻的機組故障系數，當機組故障系數不在誤差閾值范圍內時，風電機組出現故障；反之，風電機組未出現故障。

30、第二方面，本申請實施例提供了一種風電機組故障檢測系統，包括存儲器、處理器以及存儲在所述存儲器中并在所述處理器上運行的計算機程序，所述處理器執行所述計算機程序時實現上述任意一項所述一種風電機組故障檢測方法的步驟。

31、第三方面，本申請實施例提供了一種風電機組故障檢測裝置，所述裝置包括：

32、數據采集模塊，用于采集風電機組的運行過程中的繞組電流數據、繞組溫度數據和有功功率數據；

33、機組故障系數獲取模塊，用于基于各時刻對于前一相鄰時刻的繞組溫度數據的占比、前一相鄰時刻對于各時刻的有功功率數據的占比以及各時刻的繞組電流數據的值的大小，獲取各時刻的電流異常指數；基于各時刻鄰域內的繞組溫度數據與繞組電流數據之間的相關性，與前一相鄰時刻的繞組溫度數據與繞組電流數據之間的相關性的差異情況，以及電流異常指數，獲取各時刻的電流響應指數；將各時刻之前連續的預設個數的時刻作為各時刻的前向周期；基于各時刻之間的距離大小獲取各時刻的前向周期內其他各時刻的權重系數；基于各時刻與其前向周期內所有時刻的均值的差異、各時刻的電流響應指數與其前向周期內所有時刻的電流響應指數的均值的差異，獲取各時刻的加權斜率；基于電流響應指數與加權斜率的值的大小獲取各時刻的機組故障系數；

34、形變測量模塊，基于機組故障系數獲取誤差閾值范圍；基于誤差閾值范圍對風電機組的故障進行檢測。

35、本申請至少具有如下有益效果：

36、本申請通過scada系統獲取風電機組發電機工作過程的繞組電流數據、繞組溫度數據以及發電機有功功率數據，通過數據之間的關系計算電流響應指數，有益效果在于電流響應指數考慮了故障發生時繞組電流數據、繞組溫度數據以及發電機有功功率數據三者的數據變化特征，放大了繞組短路時繞組電流數據波動的敏感性；其次基于故障發生時一個周期內電流響應指數的趨勢變化情況構建了機組故障系數指數，機組故障系數指數充分考慮了不同時間點數據對斜率的影響，根據數據點距離當前時刻的時間遠近來分配權重使得更接近當前時刻的數據對斜率的影響更大，有益效果在于通過機組故障系數可以更加準確的反應每一時刻的數據異常波動情況，避免了直接計算單個數據一個運行周期內波動情況誤差較大的情況，提高了對風電機組故障監測的精度。

技術特征：

1.一種風電機組故障檢測方法，其特征在于，該方法包括以下步驟：

2.如權利要求1所述的一種風電機組故障檢測方法，其特征在于，所述電流異常指數的公式為：

3.如權利要求1所述的一種風電機組故障檢測方法，其特征在于，所述電流響應指數的獲取方法為：

4.如權利要求1所述的一種風電機組故障檢測方法，其特征在于，所述權重系數的獲取方法為：

5.如權利要求1所述的一種風電機組故障檢測方法，其特征在于，所述加權斜率的公式為：

6.如權利要求1所述的一種風電機組故障檢測方法，其特征在于，所述機組故障系數的獲取方法為：

7.如權利要求1所述的一種風電機組故障檢測方法，其特征在于，所述誤差閾值范圍的獲取方法為：

8.如權利要求1所述的一種風電機組故障檢測方法，其特征在于，所述基于誤差閾值范圍對風電機組的故障進行檢測，包括：

9.一種風電機組故障檢測系統，包括存儲器、處理器以及存儲在所述存儲器中并在所述處理器上運行的計算機程序，其特征在于，所述處理器執行所述計算機程序時實現如權利要求1-8任意一項所述一種風電機組故障檢測方法的步驟。

10.一種風電機組故障檢測裝置，實現如權利要求1所述的一種風電機組故障檢測方法，其特征在于，所述檢測裝置，包括：

技術總結
本申請涉及風電機組故障檢測技術領域，具體涉及一種風電機組故障檢測方法、裝置及系統，該方法包括：采集風電機組的運行過程中的繞組電流數據、繞組溫度數據和有功功率數據；計算各時刻的電流異常指數；進而獲取各時刻的電流響應指數；獲取各時刻的前向周期內其他各時刻的權重系數，進而獲取各時刻的加權斜率；基于電流響應指數與加權斜率的值的大小獲取各時刻的機組故障系數；基于機組故障系數獲取誤差閾值范圍；基于誤差閾值范圍對風電機組的故障進行檢測。本申請提高了對風電機組故障監測的精度。

技術研發人員：何首良,楊春,丁進濤,曹懷祥,袁濤,李政,閆孝偉,孔強,周國慶,王學英
受保護的技術使用者：山東特檢科技有限公司
技術研發日：
技術公布日：2024/10/21