一种风电机组齿轮箱状态监测方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN104614179A(43)申请公布日2015.05.13(21)申请号201510041958.X(22)申请日2015.01.28(71)申请人中国大唐集团新能源股份有限公司地址100053北京市西城区菜市口大街1号院1号楼8楼(72)发明人龙泉徐强李芬花王吉远刘永前(74)专利代理机构北京元中知识产权代理有限责任公司11223代理人王明霞(51)Int.Cl.G01M13/02(2006.01)权利要求书2页说明书6页附图4页(54)发明名称一种风电机组齿轮箱状态监测方法(57)摘要本发明提供了一种风电机组齿轮箱状态监测方法，其包括以下步骤：收集风电机组SCADA系统历史数据，筛选机组健康运行工况下的有功功率、风速、机舱温度、主轴转速和齿轮箱油温，建立标准专家库；采用引力搜索算法对最小二乘支持向量回归机的惩罚系数与核参数进行寻优，基于优化后的向量机模型，以专家库中的有功功率、风速、机舱温度、主轴转速为输入，齿轮箱油温为输出，建立健康工况下的齿轮箱油温映射模型；用映射模型对风电机组齿轮箱进行实时监测，将有功功率、风速、机舱温度、主轴转速的实测值输入，得到齿轮箱油温的预测值，定义油温预测值与实测值的商为判别指数，如果判别指数的统计特性发生异常，可认为风电机组齿轮箱存在故障并进行报警。本发明可广泛应用于对风电机组齿轮箱的早期预警。CN104614179ACN104614179A权利要求书1/2页1.一种风电机组齿轮箱状态监测方法，其特征在于，包括：S1，收集风电机组数据采集与监视控制SCADA系统的历史数据，作为训练样本数据建立基于最小二乘支持向量回归机LSSVR模型的风电机组齿轮箱油温映射模型；S2，根据所述风电机组齿轮箱油温映射模型得到齿轮箱油温的预测值；S3，取所述步骤S2的所述齿轮箱油温的预测值与实测值的商为判别指数GHI，如果所述判别指数GHI在设定阈值之内，则所述风电机组齿轮箱正常，反之所述风电机组齿轮箱存在潜伏故障并进行报警。2.根据权利要求1所述的风电机组齿轮箱状态监测方法，其特征在于，所述SCADA系统的历史数据包括：有功功率、风速、机舱温度、主轴转速和齿轮箱油温；所述有功功率、风速、机舱温度、主轴转速为所述风电机组齿轮箱油温映射模型的输入数据；所述齿轮箱油温为所述风电机组齿轮箱油温映射模型的输出数据。3.根据权利要求2所述的风电机组齿轮箱状态监测方法，其特征在于，所述风电机组齿轮箱油温映射模型包括：向量集Inputi(input1,input2,input3,input4)和向量集Outputi，其中input1、input2、input3、input4分别为第i时刻的有功功率、风速、机舱温度和主轴转速，Outputi为第i时刻齿轮箱油温；优选的，所述风电机组齿轮箱油温映射模型还包括：惩罚系数C和核参数σ。4.根据权利要求1-3任一项所述的风电机组齿轮箱状态监测方法，其特征在于，采用引力搜索算法优化所述风电机组齿轮箱油温映射模型；优选的，采用引力搜索算法优化所述风电机组齿轮箱油温映射模型的步骤为：S1-1，设定一个n维空间的引力系统中有N个粒子，定义第i个粒子的位置为i＝1,2,LN，式中：为第i个粒子在第d维中的位置；S1-2，随机初始化所述惩罚系数C和核参数σ，作为引力搜索算法中粒子的初始位置；S1-3，由粒子位置计算适应度函数求解适应度函数的极大值；式中：K为所述训练样本数；gi为所述训练样本中所述齿轮箱油温的预测数据；τ为所述训练样本中所述齿轮箱油温的预期输出；E为任意大于0的实数；S1-4，计算粒子i在t时刻的质量Mi(t)；并根据粒子的质量计算粒子所受引力合力；S1-5，进行粒子加速度、速度和位置更新；S1-6，重复步骤S1-3至S1-5直至满足最大迭代次数，求得所述风电机组齿轮箱油温映射模型惩罚系数C和核参数σ的最优组合；优选的，所述最大迭代次数为50-100。5.根据权利要求4所述的风电机组齿轮箱状态监测方法，其特征在于，所述步骤S1-4中计算粒子i在t时刻的质量Mi(t)的方法为：根据式得到其中，fiti(t)为在t时刻粒子i的适应度函数值。2CN104614179A权利要求书2/2页6.根据权利要求4所述的风电机组齿轮箱状态监测方法，其特征在于，所述步骤S1-4中根据粒子的质量计算粒子所受引力合力的方法为：在第d维空间上，第i个粒子受到其它粒子引力合力的作用，用各粒子引力的随机加权和表示：式中：rand为范围在[0,1]间的任意数；为在第d维空间上，第i个粒子受到第j个粒子的作用力；优选的，的计算式为：其中，ε为接近0的常量；G(t)为t时刻的引力常数；和分别为粒子i和j在第d维空间上的位置；||Xi(t),X