基于多元统计分析的风电机组机械设备状态诊断方法
【专利摘要】本发明技术方案公开了一种基于多元统计分析的风电机组机械设备状态诊断方法，应用传感器采集风电设备所产生的状态信息，用多元统计分析对所述状态信息进行特征提取、信号分析、状态辨识进分析处理，以低维主分量特征表示技术来表达和分类风电机组机械状态，建立一种平均相关度法则来评估每个主分量刻画出风电机组机械状态的能力，并选取低维主分量特征表示了对风电设备状态特征的综合实现了对风电设备状态诊断。本发明技术方案可以发现风电设备早期故障并准确判断故障情况，提高了风电机组的可利用率，尽可能的减少了维护和保养的周期及财务成本。可以确保风电机组安全、稳定、可靠运行具有极大的促进作用。
【专利说明】基于多元统计分析的风电机组机械设备状态诊断方法
【技术领域】
[0001]本发明属于风电设备状态故障诊断方法，特别涉及一种基于多元统计分析的风电机组机械设备状态诊断方法。
【背景技术】
[0002]风能是一种清洁的可再生能源，在世界范围内迅猛发展。据资料显示:2010年中国新增装机容量18927.99MW，同比增长73.3%，累计装机容量达到44733.29MW，两项指标均居于世界第一。2011年中国新增风机装机容量为20665MW(2066.5万千瓦)，较之2010年增长9.18%，继续保持世界首位。由于风电场一般位于条件恶劣的环境中，工况极不稳定，因此对风电机组的运行状态进行在线监测和故障诊断，实时了解风电机组关键零部件的运行状态，早期发现事故的苗头，在设备的故障处在磨损初期时，通过早期维护和更换，改善润滑状态等措施将故障消灭在萌芽状态，避免早发故障导致更为严重的故障破坏，对确保风电机组安全、稳定、可靠运行具有极大的促进作用。
[0003]在风电设备实际运行过程中都不可避免的产生振动，振动是机械设备本身动力学特性的外在表示，振动信息是研究机械设备状态的载体。于是根据机械设备振动信号的分析与处理，便可以得到机械设备的运行状态，得到系统零部件由于磨损、疲劳等原因引起的状态变化信息，并由此识别机械设备或零部件的故障。相对于其他机械设备状态处理技术而言，振动信号分析方法简便易行，技术成熟，是目前工程中使用的主要方法。
[0004]目前国内缺乏对风电机组振动信号处理与特征提取方法的研究。风电机组在变转速工况下运行，故障特征频率计算困难，使得故障的准确定位有一定难度，需要研究适合风电机组诊断的信号分析方法，提升风电机组智能诊断的能力。风电设备状态监测就是采用各种测量和监视方法，记录和显示设备运行状态，对异常状态做出报警，为设备的故障分析提供数据和信息。状态信息表现为该机械设备的振动、噪声、压力、温度、应变、声发射、液样、电磁场等，但是不同的状态信息类型对风电设备的状态的反映程度是不同的，甚至有些信息类型是不能够反映某些设备的状态特征的。因此信息类型的选择对风电设备的故障诊断是非常关键的。测试技术和传感器性能的发展为获得更可靠的信息提供了基础。状态特征的提取方法的研究是风电设备故障诊断技术的关键。含有丰富状态信息的机械设备运行状态信号的特征提取是建立在信号的处理的基础上的。传统的信号处理方法包括滤波技术、频谱分析。建立在信号处理基础上的常用的特征提取方法有时域模型分析、快速傅立叶变换、短时傅立叶变换、时间序列分析、倒谱分析、Winger分布分析、时频分析、小波分析、Hi Ibert-Huang变换分析、阶比谱分析、高阶谱分析、分形混沛分析等方法。信号分析处理的目的是通过对运行状态信号的处理，确定能很好地表征风电设备运行状态的特征量。状态信号处理新技术在故障诊断中的应用大大促进了故障诊断技术的发展，从短时傅立叶变换到时频分析，再到小波分析、Hilbert-Huang变换分析，信号处理的非平稳分析方法逐渐改善。多元统计分析方法只需要采集系统正常运行时的数据，将这些数据从高维数据空间投影到低维特征空间，用少量变量反映多个变量的综合信息，具有强大的数据挖掘能力，以其独特的优势脱颖而出。
[0005]工程应用中振动信号是各种振动信号的耦合，采用振动信号分析进行故障诊断信息类型多，量值变化范围广，人们总是提取很多种振动信号特征参数来进行风电设备健康状况的评估，但是它们所反映的状态规律性、敏感性和在模式空间的聚类性、可分性并不相同，随着不同的操作工况会发生一些变化。所以，在原始特征基础上运用多元统计分析的方法比如主分量分析技术来提取规律性好、敏感性强的新特征来进行有效的设备故障诊断则显得非常需要。
[0006]风电设备故障诊断则是根据状态监测所获得的信息，结合设备的结构特性和运行信息及历次维修记录，对已经发生或者可能发生的故障进行诊断、分析和预报，以确定故障的类别、部位、程度和原因，提出维修对策，使设备恢复到正常状态。应用先进的故障诊断技术，不仅可以发现早期故障，避免恶性事故的发生，还可以从根本上解决设备定期维修中的维修不足和过剩维修的问题。因此，如何保障风电设备的安全可靠高效运行，预防和避免关键设备出现故障，杜绝重大和灾难性事故的发生，已成为当前科技和风能发展的重要研究课题之一。
【发明内容】
[0007]本发明的目的在于提供一种基于多元统计分析的风电机组机械设备状态诊断方法，可以提高风电设备的可靠性与维修性及设备的管理水平，保证产品质量，避免重大事故的发生。
[0008]为达到上述目的，本发明所采用的技术方案为:一种基于多元统计分析的风电机组机械设备状态诊断方法，应用传感器采集风电机组机械设备所产生的状态信息，用多元统计分析对所述状态信息进行特征提取、信号分析、状态辨识等分析处理，针对多元统计特征评价和选取问题，以主分量分析(PCA)技术为代表，以低维主分量特征表示技术来表达和分类风电机组机械状态，建立了一种平均相关度法则来评估每个主分量刻画出风电机组机械状态的能力，并选取低维主分量特征表示了对风电设备状态特征的综合，具有好的规律性和强的敏感性。所述的多兀统计分析包括主分量分析、独立分量分析、核主量分析以及盲源分离。
[0009]本发明技术方案基于多元统计分析在风电机组机械设备状态诊断中的应用研究，通过分析正在发展中的主分量分析(PCA)、独立分量分析(ICA)、核主分量分析(KPCA)和盲源分离(BSS)四种多元分析方法应用在该领域，把此方面的研究统一于高阶统计信息提取、多元冗余特征融合、多维测量信号分离这三个子体系下。高阶统计信息提取可以提取多维或一维测量信号的高阶统计信息，而这种统计信息体现了风电机组机械设备状态模式的本质属性，比原始测量信号能够更敏感的体现设备运行状态。多元冗余特征融合可以从多元原始特征中提取出新的统计结构，这些新特征比原始特征更稳健、聚类性更好，实现了对风电机组机械设备运行状态的更精确诊断。多维测量信号分离可以从多维测量信号中分离处反映某个关键部件的信号成分，据此可以更轻易地判断该部件的故障情况，这其实是一种新的风电机组机械设备状态分析途径。风电机组机械设备的振动信号总是表现出了多通道传递信号的混合，每个传感器获取的信号并不是所测位置部件的实际振动信号，而是多个振动源信号的耦合。通过主分量分析(PCA)、独立分量分析(ICA)和核主分量分析(KPCA)等多元统计分析方法对混合信号分离和分析处理以及对多维信号中提取更加有效的新统计特征来表达和分类风电机组机械状态模式，从而实现对风电设备状态的故障诊断。
[0010]所述的状态信息为风电机组机械设备的振动信息、噪声信息和转速信息。
[0011]所述的状态信息为风电机组机械设备的轴承和齿轮箱部件的振动信息和转速信
肩、O
[0012]所述的振动信息包括振动的绝对均值、最大峰值、有效值、方根幅值、斜度方差、峭度、波形因子、峰值因子。
[0013]所述的主分量分析包括基于低维主分量特征表示的风电设备状态信息，建立一种平均相关度法则来评估每个主分量刻画出风电机组机械状态的能力，并选取低维主分量特征表示了对风电设备状态特征的综合。
[0014]所述的振动信息由振动传感器采集。
[0015]本发明技术方案可以发现风电设备早期故障并准确判断故障情况，提高了风电机组的可利用率，尽可能的减少了维护和保养的周期及财务成本，还可以从根本上解决设备定期维修中的维修不足和过剩维修的问题。可以保障设备的安全可靠高效运行，预防和避免关键设备出现故障，杜绝重大和灾难性事故的发生。
【专利附图】
【附图说明】
[0016]图1为基于低维主分量特征表示风电设备状态故障诊断方案。
[0017]图2用一维特征计算的`测试样本与三个状态类之间的相似距离:(a)正常状态(b)轻微磨损(C)严重故障状态。
【具体实施方式】
[0018]以下结合【具体实施方式】对本发明做出进一步阐释:
[0019]一种基于多元统计分析的风电设备状态故障诊断方法，其特征在于，包括主分量分析、独立分量分析、核主量分析以及盲源分尚。
[0020]多元统计特征反映了被测数据的本质统计结构，这些结构可以有效地刻画风电机组机械设备的模式，多兀统计分析分析方法很多，包括主分量分析(PCA)、独立分量分析(ICA)、核主分量分析(KPCA)等方法，这些分析方法在风电设备状态故障诊断中都显示出了很好的应用效果。
[0021]风电机组机械设备振动或者噪声信号是一种复杂的随机过程，很难用确定的时间函数来表示。进行风电机组机械状态监测和故障诊断时需要进行特征分析，提取能够反映风电机组机械设备状态信息的模式特征。为了消除运行环境、传感器因素对数据的影响，使信号分析结果有一个客观、公正的标准，必须对被测试信号进行预处理。因此采用均值-方差标准化法，如下面分析，预处理后的信号具有零均值和单位方差的标准。
[0022]所采集风电机组机械设备状态的信号转换成一维离散数据{y1; y2, Λ，yn}，N为样本长度，则所测数据样本均值如下式(I):
-1 N
[0023]y,、
N '='( I )
[0024]样本的方差如下式⑵:
【权利要求】
1.基于多元统计分析的风电机组机械设备状态诊断方法，其特征在于，应用传感器采集风电机组机械设备所产生的状态信息，用多元统计分析对所述状态信息进行处理，所述的多兀统计分析包括主分量分析、独立分量分析、核主量分析以及盲源分尚；所述的多兀统计分析过程为对所述状态信息进行特征提取、信号分析、状态辨识。
2.如权利要求1所述的基于多元统计分析的风电设备状态诊断方法，其特征在于，所述的状态信息为风电机组机械设备的振动信息、噪声信息和转速信息。
3.如权利要求1所述的基于多元统计分析的风电设备状态诊断方法，其特征在于，所述的状态信息为风电机组机械设备的轴承和齿轮箱部件的振动信息和转速信息。
4.如权利要求2所述的基于多元统计分析的风电设备状态诊断方法，其特征在于，所述的振动信息包括振动的绝对均值、最大峰值、有效值、方根幅值、斜度方差、峭度、波形因子、峰值因子。
5.如权利要求1所述的基于多元统计分析的风电设备状态诊断方法，其特征在于，所述的主分量分析包括基于低维主分量特征表示的风电设备状态信息，建立一种平均相关度法则来评估每个主分量刻画出风电机组机械状态的能力，并选取低维主分量特征表示了对风电设备状态特征的综合。
6.如权利要求2所述的基于多元统计分析的风电设备状态诊断方法，其特征在于所述的振动信息由振动传感器采集。
【文档编号】G01M15/00GK103822786SQ201210475395
【公开日】2014年5月28日 申请日期:2012年11月16日 优先权日:2012年11月16日
【发明者】吕廷彦, 李亚东, 蒋维, 杨浩, 吕东, 陈荣敏, 李海波, 张洪武, 林子晗 申请人:中国水利电力物资有限公司, 中国水利电力物资华南公司, 浙江中自庆安新能源技术有限公司