一种风力发电机可靠性模糊评价方法

1.本发明涉及风电行业技术领域，尤其涉及一种风力发电机可靠性模糊评价方法。


背景技术：

2.风力发电机长期在沙尘、低温、冰雪、雷电、风暴等恶劣环境中工作，加之荷载及风速对其的影响，很容易造成风力发电机的相关零部件产生损坏和发生故障。风电场机组分布范围通常都很大，维护也非常困难。风力发电机可靠性研究主要包括：机组及其部件可靠性统计、关键部件可靠性设计和分析、机组健康状态监测与管理、整机可靠性分析与评估等问题。目前，主要是从风力发电机设计、制造、运行和维护等方面对其设备部件或子系统的可靠性问题进行了研究，但整机可靠性评价方面还需要进一步研究。
3.为了提升风力发电机的自身可靠性及安全性，应尽可能降低机组故障发生率，我们应对机组不同故障模式进行可靠性评价。目前，国内外许多学者将模糊理论与fmeca分析方法相结合对系统可靠性进行研究。但存在以下问题：
4.1.由于评估信息的不完整性和不确定性，常常难以用精准数值表达，采用精确数值则会影响结果的准确性；
5.2.未考虑评价指标权重，不符合实际；
6.3.未考虑故障模式之间的相互影响关系。
7.因此，急需一种技术来解决该问题。


技术实现要素：

8.本发明的目的在于克服上述现有技术的问题，通过研究现有可靠性评价技术及故障评价技术，提出了一种风力发电机模糊综合评价方法，本方法基于模糊集理论，通过量化失效概率，计算各故障模式危害程度，获得系统各故障模式的危害程度，从而为风力发电机整机可靠性。
9.上述目的是通过以下技术方案来实现：
10.一种风力发电机可靠性模糊评价方法，包括如下步骤：
11.步骤(1)故障模式下确定风力发电机可靠性评价指标，并建立可靠性评价指标体系；
12.步骤(2)根据步骤(1)中所述评价指标建立评价等级；
13.步骤(3)采用劣化度使评价指标标准化；采用岭形模糊隶属函数建立评价隶属度矩阵；
14.步骤(4)采用ahp-熵值法确定评判指标权重；
15.步骤(5)计算风力发电机可靠性模糊评价矩阵；
16.步骤(6)分析评判结果。
17.进一步地，步骤(1)中所述评价指标包括平均失效间隔、平均修复时间、危害度、检测难易程度、齿轮箱平均轴承温度和发电机平均转速，所述可靠性评价指标体系如下式：
18.u＝[mtbf mttr c d u(t) u(n)]
[0019]
式中，u为可靠性评价指标体系、mtbf为平均失效间隔、mttr为平均修复时间、c为危害度、d为检测难易程度、u(t)为齿轮箱平均轴承温度、u(n)为发电机平均转速。
[0020]
进一步地，步骤(2)中所述评价等级包括低、较低、一般、较高和高5个等级。
[0021]
进一步地，步骤(3)中所述采用劣化度使评价指标标准化，具体为采用劣化度方法将将所述评价指标数据标准化成(0，1)区间数据。
[0022]
进一步地，步骤(3)中所述采用岭形模糊隶属函数建立评价隶属度矩阵，具体为采用岭形模糊隶属函数确定评价指标与评价等级之间的关系即可得到所述评价隶属度矩阵，如下式：
[0023][0024]
式中，r
ij
为评价指标ui隶属于评判等级vj的关系，r中的第i行表示第i种评价因子对于不同的评价等级标准的隶属度，每行隶属度之和为1；第j列表示各评价因子对于同一评价等级标准的不同隶属程度。
[0025]
进一步地，所述步骤(4)具体为：
[0026]
使用ahp法计算各指标的权重ωj；
[0027]
使用熵值法计算各指标的差异性系数gj；
[0028]
则，所述指标权重aj如下式：
[0029][0030]
式中，ωj为ahp法计算得到的第j项指标的权重；gj为熵值法计算得到的第j项指标的差异性系数；aj为ahp-熵值法的第j项指标的综合权重。
[0031]
进一步地，所述步骤(5)具体为，通过步骤(3)和步骤(4)获取指标权重集，通过加权平均法得评价结果，如下式：
[0032][0033]
式中，b为评价结果，w表示评价指标的权重矩阵，r表示各评价指标组成的模糊关系矩阵。
[0034]
有益效果
[0035]
本发明所提供的一种风力发电机可靠性模糊评价方法，本方法基于模糊集理论，通过量化失效概率，计算各故障模式危害程度，获得系统各故障模式的危害程度，从而为风力发电机整机可靠性。
附图说明
[0036]
图1为本发明所述一种风力发电机可靠性模糊评价方法的流程图。
具体实施方式
[0037]
下面根据附图和实施例对本发明作进一步详细说明。所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
[0038]
如图1所示，一种风力发电机可靠性模糊评价方法，包括如下步骤：
[0039]
步骤(1)故障模式下确定风力发电机可靠性评价指标，并建立可靠性评价指标体系；
[0040]
步骤(2)根据步骤(1)中所述评价指标建立评价等级；
[0041]
步骤(3)采用劣化度使评价指标标准化；采用岭形模糊隶属函数建立评价隶属度矩阵；
[0042]
步骤(4)采用ahp-熵值法确定评判指标权重；
[0043]
步骤(5)计算风力发电机可靠性模糊评价矩阵；
[0044]
步骤(6)分析评判结果。
[0045]
具体的，模糊综合评价就是在模糊线性变换与最大隶属度原则的基础上，选取与被评判的事物相关性较大的指标，对其进行一一量化，并且根据不同的指标对被评估事物的影响程度的大小来确定各项指标的权重，进而对被评估的事物进行全面精确的判断。
[0046]
基本原理可以表示为：
[0047]
b＝w
·r[0048]
式中，b为评价结果，w表示评价指标的权重矩阵，r表示各评价指标组成的模糊关系矩阵。
[0049]
本实施例中，步骤(1)中所述评价指标包括平均失效间隔、平均修复时间、危害度、检测难易程度、齿轮箱平均轴承温度和发电机平均转速，所述可靠性评价指标体系如下式：
[0050]
u＝[mtbf mttr c d u(t) u(n)]
[0051]
式中，u为可靠性评价指标体系、mtbf为平均失效间隔、mttr为平均修复时间、c为危害度、d为检测难易程度、u(t)为齿轮箱平均轴承温度、u(n)为发电机平均转速。
[0052]
具体的，齿轮箱平均轴承温度u(t)及发电机平均转速u(n)可通过scada系统历史监测数据可得；检测难易程度记为d，其取值采用专家打分法直接由检测等级确定，其取值范围为0-1。
[0053]
mtbf(平均失效间隔)＝(统计周期内小时数-scada系统无连接时间-故障停机小时数)/总故障次数；
[0054]
mttr(平均修复时间)＝统计周期内故障停机小时数/总故障次数；
[0055]
故障模式危害度(c)的计算方法如下：
[0056]
故障模式危害度用于评价在某种故障模式对产品的危害性。在工作时间t内故障模式在某严酷度等级下的危害度的量化表达式为：
[0057]
c＝λ
p
αβt
[0058]
式中，c表示故障模式j在工作时间t内造成的危害度；λ
p
表示风机在其任务阶段内
的故障率，单位为1/小时；t表示工作时间，单位为小时；α表示故障模式百分比，表示以该故障模式发生故障的百分比；β表示发生该故障模式而导致风机停机的条件概率，通常可按照如下方法进行定量估算：
[0059]
功能实际丧失1；很可能丧失0.5；可能丧失0.1；可忽略0.01；无影响0。
[0060]
本实施例中，步骤(2)中所述评价等级包括低、较低、一般、较高和高5个等级。
[0061]
具体的，低对应于极少发生故障、较低对应于较少发生故障、一般对应于偶尔发生故障、较高对应于有时发生故障、高对应于经常发生故障，见影响临界指数的因素以及评估每种指数的规则表，如下：
[0062][0063]
影响临界指数的因素以及评估每种指数的规则表
[0064]
本实施例中，步骤(3)中所述采用劣化度使评价指标标准化，具体为采用劣化度方法将将所述评价指标数据标准化成(0，1)区间数据。
[0065]
具体为，为使各指标能够进行综合比较，本文对其进行标准化处理，将数据标准化成(0，1)区间数据。
[0066]
处理方式采用劣化度，劣化度表示系统运行偏离正常运行状态的程度，取值范围为[0，1]。对于不同的运行参数，其劣化度的计算方法不同。
[0067]
数学表达式可分为越小越优型和中间型，分别如下：
[0068]
越小越优型，如下式：
[0069][0070]
中间型，如下式：
[0071][0072]
式中，n(x)表示评判指标的劣化度结果，也就是其标准化结果；x表示评价指标实测值；x
max
表示评价指标最大值；x
min
表示评价指标最小值；xa表示评判指标允许最小值；xb表示评判指标允许最大值。
[0073]
对齿轮箱轴承温度，发电机转速进行劣化度处理。其中齿轮箱轴承温度选用越小越优型；发电机转速选用中间型。
[0074]
本实施例中，步骤(3)中所述采用岭形模糊隶属函数建立评价隶属度矩阵，具体为采用岭形模糊隶属函数确定评价指标与评价等级之间的关系即可得到所述评价隶属度矩阵，如下式：
[0075][0076]
式中，r
ij
为评价指标ui隶属于评判等级vj的关系，r中的第i行表示第i种评价因子对于不同的评价等级标准的隶属度，每行隶属度之和为1；第j列表示各评价因子对于同一评价等级标准的不同隶属程度。
[0077]
隶属函数的确定是模糊综合评判的重点。本研究选取岭形模糊隶属度函数。
[0078]
其隶属函数分布见评价等级及隶属度函数表，如下：
[0079]
[0080][0081]
评价等级及隶属度函数表
[0082]
在评价等级及隶属度函数表中的公式中，n
ij
为x
ij
的标准化结果。
[0083]
通过上述公式，可以计算得到可靠性评价指标的隶属度矩阵，即i(x
ij
)＝[i
ij
(r1)i
ij
(r2)i
ij
(r3)i
ij
(r4)i
ij
(r5)]
[0084]
本实施例中，所述步骤(4)具体为：
[0085]
权重是指各因子对于评价结果的作用大小，反映的是各个因子对于评价结果的影响程度，其数值对综合评价的结果影响很大。本文采用主客观结合的方法确定权重，运用ahp-熵值法计算权重，不仅减少了主观因素的影响，也弱化了因样本数据不足导致熵值法赋权产生偏差的问题，从而得出优化权重。过程如下：
[0086]
1.使用ahp法计算各指标的权重ωj。首先利用t.l.saaty 1-5标度法对评价指标进行比较，得到判断矩阵。使用和积法计算判断矩阵的最大特征根，进行一致性检验。当判断矩阵的一致性指标与同阶平均随机一致性指标的比值小于0.1时通过；若不通过需要调整判断矩阵，直到满足一致性要求为止。对最大特征根对应的特征向量进行归一化，即可得
到各指标的权重；
[0087]
2.使用熵值法计算各指标的差异性系数gj。首先，为消除量纲的影响，对已有的的数据通过进行z标准化及归一化处理。然后，计算第i组(i＝1，2，
…
m)数据第j项指标(j＝1，2，
…
n)的比重y
ij
，从而计算出第j项指标的信息熵ej，则第j项指标的差异系数gj＝1-ej；
[0088]
3.第j项指标的综合权重aj由下式计算可得：
[0089][0090]
式中，ωj为ahp法计算得到的第j项指标的权重；gj为熵值法计算得到的第j项指标的差异性系数；aj为ahp-熵值法的第j项指标的综合权重。
[0091]
所述步骤(5)具体为，通过步骤(3)和步骤(4)获取指标权重集，通过加权平均法得评价结果，如下式：
[0092][0093]
式中，b为评价结果，w表示评价指标的权重矩阵，r表示各评价指标组成的模糊关系矩阵。
[0094]
最后通过分析步骤(5)中的评价结果得出相应的结论。
[0095]
以上所述仅为说明本发明的实施方式，并不用于限制本发明，对于本领域的技术人员来说，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。