风力发电机机舱变频器柜温度异常的判断方法与流程

本发明属于风力发电机设备维护
技术领域：
，具体涉及一种风力发电机机舱变频器柜温度异常的判断方法。
背景技术：
：风力发电将自然风能转化为电能，并网后供用户使用，为保证风电质量和便于统一配送，在并网输送前需要采用变频技术对风电进行加工处理。风力发电机主要有双馈式风力发电机和直驱式风力发电机，他们都需要通过变频器介入电网。变频器是电力电子装置，内含电子元件、电解电容等，变频器柜的温度对其寿命有较大的影响。关于风力发电机机舱内部的一些部件散热问题，国外的研究起步较早。大部分研究的焦点聚集在对发电机、齿轮箱等大部件的散热问题上，对于机舱内一些控制柜散热的研究较少。在国内，风力发电机机舱内部件的散热研究尚处于起步阶段，也主要集中在对机舱内的大部件以及机舱整体散热问题进行研究。主要方法是当机舱中的变频器柜温度超过一定阈值，机组通常会采取自我保护机制而强制停机。这样的方法缺点是依靠单独数据点的判断，存在较多误报，进而影响到风力发电机的发电量。一般设备的温度变化属于渐进变化，随着时间积累完成，在达到某种严重故障前都有数据趋势以及数据特征，因此，为保障机组的发电量、同时保证保护风力发电机安全，需要增加对变频器柜温度异常提前预警、作为温度超限故障的补充是很有必要而且具有可行性的。从实际运行角度，变频器柜温度异常是多种工况条件导致的，机组功率的状态不确定，缺乏对机组工况的考虑，不同机组间功率情况差异大，功率数据以及对应的温度数据之间的关系不稳定，都会带来误报率的增加。因此结合相关的变量以及一定历史数据量的综合分析，通过增加对风力发电机机组运行时工况信息的考虑，包括不同运行时间长度、不同功率段对变频器温度变化带来的影响等，更能够提高判断的准确率，进而判断出故障隐患，避免后期故障发生，机组停机影响发电量。技术实现要素：为解决上述技术问题，本发明通过分析多台风机运行工况，增加运行时间与有功功率为分析变量，综合判断风力发电机机舱变频器柜温度异常的情况。本发明所采用的技术方案如下：风力发电机机舱变频器柜温度异常的判断方法，包括以下步骤：步骤1、读取判断机舱变频器柜温度异常所需要的相关数据；步骤2、数据处理，对每一条数据中的有功功率值除以100后向下取整，截取日期的小时部分、去除分钟及之后时间部分，获得时间的小时部分；步骤3、数据训练，计算出所有样本的每小时、每100kw的机舱变频器柜温度置信区间估计，分别计算样本中每台机组温度瞬时值与总体样本对应时段和功率段的温度置信区间估计上下限的两个差值，并进行比对；步骤4、结果输出，根据比对结果，对温度瞬时值异常的被检测机组、输出对应的机组编号、结合故障处理方法形成预警工单。本发明的有益效果：1)增加运行时长、有功功率变量作为分析条件，多台风机连续时间(连续运行12小时)数据作为分析样本，综合分析判断，降低误报率。相对于目前使用单台机组单点判断的解决方案，结合实际工况求取采样机组中所有风机的每小时、每100kw的机舱变频器柜温度置信区间估计作为判断基础，综合判断机舱变频器柜温度是否存在异常，可以降低误报率发生。2)提前判断隐患，避免故障停机。本发明可以提前发现机舱变频器柜温度异常隐患以及趋势，避免隐患加剧发展带来故障发生，从而影响发电量。3)采用样本中每台机组温度瞬时值与总体样本对应时段和功率段的温度置信区间估计比较方法，判断依据为总体样本与样本中单台机组，保证影响因素的单一性。本发明最终通过比较被检测机组温度瞬时值与总体样本对应时段和功率段的温度置信区间估计来判断机组机舱变频器柜温度是否异常，保证了取样的一致性，避免了因取样时间和地区不同造成的判断结果偏差。4)本发明采用的置信区间估计是均值加减标准差做上下限，得到一个估计区间。然后用估计区间的上下限值跟阈值对比，区间上或下限超过阈值即判断为温度异常。置信区间估计对时间、空间的分布特性具有良好统计功能，传统方法是点估计也就是单一地均值计算，缺少对分布特性的描述。附图说明图1是变频器柜的温度异常判断流程示意图。具体实施方式下面结合附图，具体说明本发明的实施方式。如图1所示，是变频器柜的温度异常判断流程示意图。风力发电机机舱变频器柜温度异常的判断方法，包括以下步骤：步骤1、读取判断机舱变频器柜温度异常所需要的相关数据；进一步地，所需要的相关数据包括：数据采集时间、风力发电机编号、机舱变频器柜温度、有功功率。数据样本的采集频率需要在0.2hz至1hz，并且采集到的数据的时间戳要一致。步骤2、数据处理：s2.1、获取多台需要检验的风力发电机组并网运行连续时间超过12小时的数据，去除空值数据，当数据量低于32条，则舍弃采集数据，进行新样本数据采集。根据统计学中对大数的定义，超过32的采样计算后的统计指标会比较稳定。样本量太少会引起因为采样带来的不稳定性。s2.2、每一条数据中有一个有功功率值，对每个有功功率值按照100kw为单位进行取整处理，有功功率值除以100后进行向下取整，得到一个处理后的整数功率值。例如342kw取整处理后为300kw，最后可以获得一组数列，比如：100kw,200kw,300kw,400kw……所获得的数列并不是保证从100kw开始向后是连续的，采集的数据中功率是多少就是多少。为更加直观地理解本步骤的实施方式，下面举例说明如下：采集的数据每一条记录会包含数据采集时间、风力发电机编号、机舱变频器柜温度和有功功率，例如其中一条记录为：2018-12-2514:13:20123345，其中1代表是1号风机，23代表该时刻该风机的机舱变频器柜温度为23度，345代表该时刻该风机的有功功率为345kw，数据采集完之后会有很多条类似的数据。如果数据采集时间是从2018-12-2500:00:00开始，那么上述数据记录在时间上属于15hour，将数据中的功率按照上面的方法处理得到一个处理后的功率为300kw，可以知道该条记录中的温度属于下面列表1的第3行第15列。将所有采集到的数据按照上述过程对温度进行分组，然后将列表中每个单元格的温度做一个置信区间估计(置信区间估计的方法见下文)，会得到最终的样本表。s2.3、截取日期的小时部分，去除分钟及之后时间部分，获得时间的小时部分：1hour，2hour，3hour，4hour，5hour，6hour，7hour，……。步骤3、数据训练：s3.1、按照处理后有功功率、处理后的时间为组，计算出所有样本的每小时、每100kw的机舱变频器柜温度置信区间估计，取置信度为95％，统计计算公式为:temmin＝temmean-1.96temstd；temmax＝temmean+1.96temstd。其中temmin指估计区间下限，temmax指估计区间上限，temmean指所有样本的每小时、每100kw机舱变频器柜温度的样本均值，temstd指所有样本的每小时、每100kw机舱变频器柜温度样本的标准差，系数1.96表示对应置信度为95％的权重。针对温度等具有一定变动性的数据，单一均值的点估计计算方法缺少对整体分布的信息提取，置信区间估计可以弥补点估计的缺点，更好地描述温度在一定时间空间的分布情况，从而更准确地吻合设备温度空间时间分布特性。结果如下表1：组别1hour2hour3hour4hour…100kw[tem11min,tem11max][tem21min,tem21max][tem31min,tem31max][tem41min,tem41max]200kw[tem12min,tem12max][tem22min,tem22max][tem32min,tem32max][tem42min,tem42max]300kw[tem13min,tem13max][tem23min,tem23max][tem33min,tem33max][tem43min,tem43max]400kw[tem14min,tem14max][tem24min,tem24max][tem34min,tem34max][tem44min,tem44max]500kw[tem15min,tem15max][tem25min,tem25max][tem35min,tem35max][tem45min,tem45max]600kw[tem16min,tem16max][tem26min,tem26max][tem36min,tem36max][tem46min,tem46max]…表1：机组机舱变频器柜置信区间估计说明：表1仅仅是一个示例性的说明，并不代表本实施例的最终真实结果。表1中最后一行或者一列没有结束条件，主要依据于采样的最后时间、以及采样所得到的有功功率值。s3.2、分别计算样本中每台机组温度瞬时值与总体样本对应时段和功率段的温度置信区间估计上下限(表1对应温度置信区间估计)的两个差值，与下限的差值和阈值tmin比对，与上限的差值和阈值tmax进行比对。s3.3、判断是否有一个温度瞬时值与总体样本对应时段和功率段的温度置信区间下限的差值超过阈值tmin、或与上限的差值超过阈值tmax，如果否、转下一步，如果是、转步骤4。s3.4、判断是否所有机组数据都比较完毕，如果否、转步骤3.1，如果是、结束本次风力发电机机舱变频器柜温度异常流程。步骤4、结果输出：被检测机组只要有一个温度瞬时值与总体样本对应时段和功率段的温度置信区间下限的差值超过阈值tmin或与上限的差值超过阈值tmax，则判断风力发电机机舱变频器柜温度异常、输出对应的机组编号、结合故障处理方法形成预警工单。当前第1页12