本发明涉及一种风力发电机组变流器水冷系统压力检测方法。
背景技术：
发电机组变流器的大功率元件在工作时会产生大量的热量，水冷系统则可以及时对其进行热交换冷却。如果水冷系统出现故障，整个变流器系统将无法正常运转，甚至引起大功率元件的炸毁。
变流器水冷系统运行良好与否直接体现在变流器水冷系统的压力上，当前变流器水冷系统压力检测是通过压力传感器、安全阀等装置，依靠压力超限保护来保证水冷系统的安全运行，通常是故障发生了，才进行诊断或更换，从而影响变流器的正常运行。
技术实现要素：
本发明的目的是克服现有技术的缺点，提出一种风力发电机组变流器水冷系统压力异常检测方法。本发明从水冷系统运行规律寻找方案，可以实现问题的早发现，优化参数设定，保证了变流器系统的安全稳定运行。
依据分子运动理论，固定容器内水温越高水的压力就越大，对压力数据和温度数据进行分析，可以找出不同温度下，压力数据呈现的规律，如：水冷系统出口压力与入口压力间的关系、出口与入口间压差与温差间的关系等。
本发明从历史报警数据中提取变流器水冷系统压力数据及相关温度数据，采用统计方法进行分析；然后用分析结果、历史报警数据中挖掘出的有效信息、维修记录和历史故障数据建立异常诊断模型；将采集到的实时数据用异常诊断模型检测，得出不同异常类型情况下的预测值，通过比较实测值与预测值的差值来判断压力是否出现异常及异常的类型。
所述的统计方法分析为从变流器水冷系统压力数据和相关温度数据中找出规律，提炼出可以反映变流器水冷系统压力异常的变量关系。
所述的历史报警数据中挖掘的有效信息为能够体现变流器水冷系统压力从报警到故障转变的潜在信息，如报警次数、报警时间等。
所述的异常诊断模型是从统计方法分析结果、历史报警数据中挖掘出的有效信息、维修记录和历史故障数据中确定输入与输出变量的关联结构；根据现有的报警故障种类将异常划分成几种类型，给定不同异常类型下的输入变量，得到对应类型下的输出预测值。
所述的比较实测值与预测值的差值是从历史的报警故障数据确定不同异常类型对应的阈值，将实测值与预测值的差值与对应的阈值比较，从而得出异常判断及异常类型。
本发明从变流器水冷系统的报警故障数据中挖掘规律，针对性强，效率高；成本低，从大量数据中提炼知识；通过故障类型的判定，易于准确定位故障原因；提出了变流器水冷系统压力异常检测方法，尽早的发现潜在的问题，以对其进行及时的维护和更换准备。
附图说明
图1本发明检测方法的流程图。
具体实施方式
下面结合附图和具体实施方式进一步说明本发明。
本发明实施例步骤如下：
1、收集加工变流器水冷系统报警数据
从风力发电机组的数据采集与监视控制系统导出历史报警数据，数据文件为文本文档(*.txt)和数据表格(*.csv)，通过专用的SCADA数据处理工具从历史报警数据中提取水冷系统报警时间、报警名称、变流器运行状态、水冷系统压力数据、水冷系统温度数据、环境温度等信息，去除错误值或补充缺值，譬如用其余数据的平均值来进行补充，最后，将提取的数据合并加工成报警数据文件。
2、分析水冷系统压力数据及相关温度数据
对步骤1形成的报警数据文件的内容进行时间序列分析，通过分段线性表示不同温度条件下，水冷系统入口压力数据与水冷系统出口压力数据间的变化特征情况。
3、挖掘历史报警数据中的有效信息，加工历史故障数据
从风力发电机组PLC控制器中导出历史故障数据，数据文件为数据表格(*.csv)，通过专用的数据处理工具从历史故障数据中提取水冷系统故障时间、故障名称、变流器运行状态、水冷系统压力数据、水冷系统温度数据、环境温度等信息，将提取的数据合并加工成故障数据文件。通过步骤1形成的报警数据文件，挖掘有效信息，统计出每一类报警从触发到变流器故障停机所持续的时间，即报警持续时间，在故障数据文件里新增一列报警持续时间，然后将数据随机分成两部分：学习数据与验证数据。
4、建立异常诊断模型。对步骤2的时间序列分析结果、维修记录和步骤3的学习数据，使用线性回归分析法建立模型，确定不同异常类型下水冷系统入口出口间的压差与温度间的关联结构，给定输入，可以得到输出水冷系统入口出口间压差的预测值；用验证数据来验证模型的诊断精度，并给出不同异常类型的阈值Y1……Yn。
输入-输出关系形如：
△P＝f(P1，P2，△t，T)
式中，△P为水冷系统入口出口间的压差，P1为水冷系统入口压力，P2为水冷系统出口压力，△t为水冷系统入口出口间的温差，T为环境温度。
5、异常检测。将采集到的实时数据用异常诊断模型检测，得到预测值，计算实测值与预测值的差值，如果差值大于对应的阈值，则判断压力异常，同时输出异常类型，如果小于对应的阈值，则判断压力正常，实现变流器水冷系统压力异常的准确检测。