一种风电机组故障诊断和健康监测系统的制作方法

本发明涉及风电机组监测，具体而言，涉及一种风电机组故障诊断和健康监测系统。

背景技术：

1、风电机组是将风能转换成电能的装置，风电机组运行的周边运行环境恶劣，且风电机组在运行时，由于外界的环境的影响以及自身的影响，风电机组一直在不停的振动，因此会影响到风电机组的安全运行，而且不同的振动情况也可反映风电机组是否出现异常状态，因此准确的监测风电机组的振动状态成为一种需求。另外，风电机组在运行时温度也会随之上升，过高的温度会对风电机组的正常运行以及零部件造成不可逆伤害，因此准确的监测风电机组的运行温度也很必要。

2、传统监测方法主要是通过在风电机组上部署叶片状态监测系统，采集叶片的参数，以此确定叶片状态。叶片状态监测系统在数据采集完成后，仅通过对传感器数据的简单处理来确定风电机组运行状态，无法准确且全面地识别异常数据，存在风电机组正常运行状态划分较为模糊、数据混杂而无法准确反映风电机组正常发电性能等问题。

技术实现思路

1、本发明的目的在于提供一种风电机组故障诊断和健康监测系统，其在叶片上安装传感器，全面采集叶片的运行工况参数，通过对叶片实时振动信号、叶片实时转速信号和实时运行温度的深入分析，从而发现风电机组可能存在的故障。

2、本发明的实施例通过以下技术方案实现：

3、一种风电机组故障诊断和健康监测系统包括数据采集单元、数据处理单元、故障诊断单元、健康监测单元和终端传输单元；

4、数据采集单元用于采集风电机组的实时运行数据；

5、数据处理单元用于对风电机组的实时运行数据进行预处理，生成风电机组样本集；

6、故障诊断单元用于构建风电机组故障诊断模型，并将风电机组样本集作为风电机组故障诊断模型的输入，进行故障诊断，生成诊断结果；

7、健康监测单元用于获取风电机组的历史运行数据，并根据风电机组的实时运行数据和历史运行数据生成风电机组的运行状态，其中，运行状态包括临界预警状态和正常运行状态；

8、终端传输单元用于将故障诊断单元生成的诊断结果和健康监测单元生成的运行状态传输至终端，进行可视化展示。

9、进一步地，数据采集单元采集的实时运行数据包括风电机组的叶片实时振动信号、叶片实时转速信号和实时运行温度；

10、其中，通过安装在风电机组叶片上的加速度传感器采集叶片实时振动信号；通过安装在风电机组叶片上的转速传感器采集叶片实时转速信号；通过安装在风电机组叶片上的温度传感器采集实时运行温度。

11、进一步地，数据处理单元对叶片实时振动信号进行预处理包括以下步骤：

12、对叶片实时振动信号进行小波降噪处理；

13、分别提取小波降噪处理前和小波降噪处理后叶片实时振动信号的单边功率谱，并计算小波降噪处理前和小波降噪处理后叶片实时振动信号的功率谱熵；

14、将小波降噪处理前叶片实时振动信号的功率谱熵与小波降噪处理后叶片实时振动信号的功率谱熵的比值作为叶片振动强度，并将叶片振动强度作为风电机组样本集的子集。

15、进一步地，数据处理单元对叶片实时转速信号进行预处理包括以下步骤：

16、对叶片实时转速信号进行加窗处理，得到一个窗口的加窗转速信号；

17、对加窗转速信号依次进行小波降噪处理、带通滤波处理和傅里叶变换，得到优化转速信号；

18、生成优化转速信号对应的转速曲线，并根据转速曲线确定叶片频率；

19、根据叶片频率确定叶片转速，并将叶片转速作为风电机组样本集的子集。

20、进一步地，数据处理单元对实时运行温度进行预处理的方法具体为：对实时运行温度进行归一化处理，并剔除归一化处理后实时运行温度中的离群值，得到待更新运行温度；若待更新运行温度大于设定运行温度阈值，则将该待更新运行温度作为风电机组样本集的子集；若待更新运行温度小于或等于设定运行温度阈值，则剔除该待更新运行温度；

21、其中，设定运行温度阈值ti的计算公式为：

22、

23、式中，t表示采集实时运行温度的时长，tmax表示各个时刻中实时运行温度的最大值，tmin表示各个时刻中实时运行温度的最小值，tave表示所有时刻实时运行温度的平均值。

24、进一步地，故障诊断单元包括依次连接的样本输入层、隐藏层、激活层和诊断结果输出层；

25、样本输入层用于将风电机组样本集输入至故障诊断单元中；

26、隐藏层用于根据风电机组样本集生成低维风电机组样本向量；

27、激活层用于将低维风电机组样本向量转换为高维风电机组样本向量；

28、诊断结果输出层用于根据高维风电机组样本向量生成诊断结果，并将诊断结果传输至终端传输单元。

29、进一步地，诊断结果输出层的损失函数z的表达式为：

30、

31、式中，n表示风电机组样本集的个数，ci表示高维风电机组样本向量中第i个元素，yi表示低维风电机组样本向量中第i个元素，l表示高维风电机组样本向量的元素个数，ω表示加权系数，α表示超调参量，δ表示学习速率。

32、进一步地，健康监测单元生成风电机组的运行状态包括以下步骤：

33、获取风电机组的历史运行数据，并计算各个时刻风电机组的历史运行数据与实时运行数据的差值，得到第一运行差值集合；

34、计算各个时刻风电机组的实时运行数据与设定运行权重系数的差值，得到第二运行差值集合；

35、生成第一运行差值集合和第二运行差值集合的交集，并根据交集确定风电机组运行区间；

36、将不属于风电机组运行区间的实时运行数据对应的时刻作为临界预警状态，将属于风电机组运行区间的实时运行数据对应的时刻作为正常运行状态。

37、进一步地，设定运行权重系数β的计算公式为：

38、

39、式中，τ表示极小值，m表示历史运行数据的个数，cave表示历史运行数据的平均值，cm表示第m个历史运行数据。

40、进一步地，风电机组运行区间的确定方法具体为：计算交集中所有子集的平均值以及所有子集的标准差，将平均值和标准差中的最小值作为风电机组运行区间的左端点，将平均值和标准差中的最大值作为风电机组运行区间的右端点。

41、本发明实施例的技术方案至少具有如下优点和有益效果：

42、(1)该风电机组故障诊断和健康监测系统通过在叶片上安装传感器，全面采集叶片的运行工况参数，通过对叶片实时振动信号、叶片实时转速信号和实时运行温度的深入分析，从而发现风电机组可能存在的故障；

43、(2)该风电机组故障诊断和健康监测系统在数据预处理方面，针对不同的信号种类采用不同的预处理方法，对风电机组运行数据进行深度清洗，保证了数据样本的有效性；

44、(3)该风电机组故障诊断和健康监测系统构建的故障诊断单元基于神经网络实现，能实时、准确且有效地监测风电机组的异常振动，减少遗漏和误判，为风电机组控制策略的优化提供依据，为风电机组提供预警和维护的判断依据，降低部件损坏风险，提高机组可靠性和利用率；

45、(4)该风电机组故障诊断和健康监测系统的健康监测单元基于历史运行数据和实时运行数据的迭代分析实现，能够准确反映不同运行控制阶段风电机组正常运行状况，将风电机组运行状态划分为临界预警状态和正常运行状态，符合风电机组实际运行状况。