技术领域
[0001] 本
发明属于
风力发电技术领域，具体涉及一种变桨电机温度异常监测方法和预警方法。
背景技术
[0002] 随着国家对新
能源的政策倾斜及迫切需求，
风力发电已被很多区域使用。越来越多的风场建立起来，风力
发电机组的安全运行及检测更是业主最关心的问题之一。变桨系统作为较易产生故障的大部件之一，且具有故障发生突然、不易检测等特性，加大了运维人员对变桨系统的运维难度。
[0003] 变桨系统作用主要包括：确保风电机组对
风能的有效利用、确保极端情况下风机自身安全，避免发生超速飞车、倒塔事故。当风速达到额定风速，机组会启动变桨系统，使机组的输出功率控制在额定功率附近，机组整体运行状态较为稳定。因此研究额定功率附近的变桨系统的运行状态，有其实际意义。现阶段针对变桨系统的故障研究主要集中在温度指标预测、故障模式发现、相关指标分析等研究，对于机组变桨系统是否一致性的研究主要集中在变桨速度、变桨
角度，对于变桨电机等模
块的运行状态的一致性研究几乎没有。从变桨系统的工作原理来看，除了变桨速度、变桨角度等指标外，三个变桨电机运行状态的差异性也能够很好地反应机组变桨系统的运行状态。
[0004] 此外，变桨系统的工作状态极易受到风速的影响，多变的工况及高
频率的负荷变化，给变桨装置带来了很大的挑战，加大了变桨装置故障的可能性。机组变桨系统的运行状态在不同风速段的表现存在一定的差异，进一步查找机组不同风速段下运行差异，能够及早的发现变桨系统存在的隐患，便于运维人员有针对性的对机组进行检修，缩短检修时间。当机组处于稳态满发阶段，机组变桨系统受到风速的影响较大，因而研究风速与变桨电机温度温差的关系有实际意义。
[0005] 机组变桨电机是变桨系统重要的驱动装置，也是变桨系统极易产生故障的部件。变桨系统的驱动主要依靠变桨电机，电机运行过程中温度会增加。当变桨系统运行一段时间后，
散热系统散发的热量一定，电机的温度不再升高，其将稳定在某一温度附近运行。对于单台
风力发电机组来说，三个
叶片的运行情况基本一致。在SCADA故障报警系统中，有专
门针对三个叶片的变桨角度、变桨速度不对称的监测，设有固定的故障等级。而对于变桨电机的运行状态仅是针对温度最高的变桨电机进行最大值监测和报警。机组变桨系统稳定状态下，当外界
环境温度升高，机组变桨电机温度很容易达到机组SCADA故障系统的报警值，促使机组报故障甚至停机。SCADA故障报警系统对于三个变桨电机的运行温度是否一致未进行任何操作，此做法必然会丢失很多重要的信息。
发明内容
[0006] 本发明的目的在于提供一种变桨电机温度异常监测方法和预警方法，该方法旨在对机组异常工况进行诊断，尽早发现隐患，降低机组故障频率，提升机组的运行效率。
[0007] 为实现上述目的，本发明所采取的技术方案是：
[0008] 一种变桨电机温度异常监测方法，其特征在于：计算风电机组中某一时间段内各稳态满发功率
片段下平均温度值最大与最小变桨电机之间的温差时间序列；计算各稳态满发功率片段对应温差时间序列的温差平均值，根据温差平均值的分布情况搜索超出变桨电机温差平均值
波动区间的温差平均值点。
[0009] 进一步地，所述温差时间序列的获得包括：先获取风电机组中某一时间段内各稳态满发功率片段，再分别计算各稳态满发功率片段下平均温度值最大与最小变桨电机之间的温差时间序列；或者，先计算风电机组中某一时间段内平均温度值最大与最小变桨电机之间的整体温差时间序列，再从整体温差时间序列中选取该时间段内各稳态满发功率片段下对应的温差时间序列。
[0010] 进一步地，所述稳态满发功率片段的获得包括：获取风电机组中某一时间段内实际运行功率时间序列，给定稳态满发功率下限，选择机组输出功率在稳态满发功率下限之上且持续时间大于半小时的片段为稳态满发功率片段。
[0011] 进一步地，在所有稳态满发功率片段中剔除风电机组在稳态满发初始阶段的片段。
[0012] 进一步地，在所有稳态满发功率片段中仅提取风电机组变桨电机温度维持在某一温度范围内的稳态满发功率片段。
[0013] 进一步地，所述温度范围的选取包括：将各稳态满发功率片段对应的温差时间序列绘制频率分布直方图，选择
密度最大或第二大的组别对应的温差值为所述温度范围的下限。
[0014] 进一步地，所述根据温差平均值的分布情况搜索超出变桨电机温差平均值波动区间的温差平均值点包括：计算各稳态满发功率片段对应温差时间序列的温差平均值和风速平均值，将各稳态满发功率片段对应的温差平均值根据风速段分组，绘制每组风速段风速平均值与温差平均值的散点图，计算各组风速段下温差平均值的波动区间；
[0015] 计算温差平均值数据的1/4(q1)、1/2(q2)、3/4(q3)分位数，四分位距IQR＝q3-q1，则波动区间：
[0016] 上限：Uplim＝q3+1.5IQR
[0017] 下限：Downlim＝q1-1.5IQR
[0018] 搜索超出波动区间范围的散点。
[0019] 一种变桨电机温度异常预警方法，其特征在于：从所述变桨电机温度异常监测方法中得到各稳态满发功率片段对应温差时间序列，分别计算对应温差时间序列的温差平均值；采用线性最小二乘模型和ARIMA模型，分别对机组变桨电机未来稳定状态发生的时刻和温差变化的均值进行预测，并根据预测进行预警。
[0020] 进一步地，所述变桨电机温差均值预测：分别计算对应温差时间序列的温差平均值，再按照时间顺序进行合并，再采用ARIMA模型建模进行预测，得到变桨系统在稳定状态下变桨电机温差均值未来时刻的预测值和变桨电机温差均值95％置信
水平下的置信区间；
[0021] 所述变桨电机温差稳定状态发生时刻预测：记录所有温差时间序列中每一个稳定状态发生的时刻，构造时间间隔序列；采用线性最小二乘法对时间间隔序列未来时刻进行预测，得知未来时刻的稳定状态发生时间；
[0022] 所述预警包括：
[0023] ①若未来T时刻的预测值大于给定的
阈值，则给出该机组变桨电机的预警信息，反之则正常；
[0024] ②若未来T时刻的预测值的置信区间Interval2，m＝[am，bm]，其对应机组的变桨电机实际正常运行温度范围[c,d]，则预测的变桨电机未来的温度范围为：
[0025] Temp＝[c+max(bm)，d+max(bm)]
[0026] 若Temp上限温度达到机组故障报警的温度，则给出该机组变桨电机的预警信息，反之则正常。
[0027] 本发明的有益效果为：本发明根据变桨系统的工作原理，以机组三个变桨电机的温度为研究对象，深入研究机组变桨系统在不同工况下的运行情况。本发明基于机组三个变桨电机运行温度的差异进行分析，挖掘机组变桨电机温差时间序列的变化规律。提取机组变桨系统稳定状态下的变桨电机温差数据，研究：(1)变桨系统的运行状态，很大程度受到风速的影响，机组三个变桨电机温差随风速变化的规律；(2)研究机组三个变桨电机温差随时间变化的趋势，旨在对机组异常工况进行诊断，尽早发现隐患，降低机组故障频率，提升机组的运行效率。该方法研究的风速与温差的关系能够诊断机组运行过程中不同工况下的变桨系统表现情况，有针对性的监测各工况机组变桨系统的运行状态；此外，该方法能够查找到机组运行过程中三个变桨电机运行差异，更好的展现机组的变桨系统的运行状态，较早发现机组变桨系统安全隐患。该方法依据功率的满发片段，寻找变桨电机温度变化的稳定状态；在机组变桨电机稳定的状态下，深入研究变桨电机温差的变化情况及不同风速状态下温差的表现状态。该方法结合机组实际表现，通过离群点的筛选，评估各机组在不同风速状态下，对稳态变桨电机运行状态进行诊断，快速查找机组的异常工况；然后，采用线性最小二乘模型和ARIMA模型，分别对机组变桨电机未来稳定状态发生的时刻和温差变化的均值进行预测，对机组变桨电机的状态进行诊断。
附图说明
[0028] 图1是
实施例一中的整体技术路线示意图。
[0029] 图2是实施例二中满发片段机组变桨电机温差直方图。
[0030] 图3是实施例二中Q序列图。
[0031] 图4是实施例二中风速与变桨电机温差散点图。
[0032] 图5是实施例二中变桨电机温差均值ARIMA模型训练及预测结果展示图。
[0033] 图6是实施例二中变桨电机稳定状态时间间隔模型训练及预测结果展示图。
具体实施方式
[0034] 为了更好地理解本发明，下面结合实施例和附图对本发明的技术方案做进一步的说明。
[0035] 实施例一
[0036] 一种变桨电机温度异常监测方法和预警方法，如图1所示。
[0037] 该方法研究的风速与温差的关系能够诊断机组运行过程中不同工况下的变桨系统表现情况，有针对性的监测各工况机组变桨系统的运行状态；此外，该方法能够查找到机组运行过程中三个变桨电机运行差异，更好的展现机组的变桨系统的运行状态，较早发现机组变桨系统安全隐患。
[0038] 一、温差时间序列的构造
[0039] 对于单台风力发电机组来说，三个叶片的运行情况基本一致。在SCADA故障报警系统中，有专门针对三个叶片的变桨角度、变桨速度不对称的监测，设有固定的故障等级。而对于变桨电机的运行状态仅是针对温度最高的变桨电机进行最大值监测，依据机组变桨电机温度最大值进行报警，对于三个变桨电机的运行温度是否一致未进行任何操作，此做法必然会丢失很多重要的信息。
[0040] 该方法在反应变桨电机运行状态的指标选择上，依据机组变桨系统的运行状态，充分展现机组变桨电机的运行表现，选择变桨电机温度较高的和较低的两个变桨电机温度指标进行分析，记：
[0041] (1)机组变桨电机温度数据的平均值最高的变桨电机温度时间序列为：
[0042] {X}＝{x1，x2，...，xt}；
[0043] (2)机组变桨电机温度数据的平均值最低的变桨电机温度时间序列为：
[0044] {Y}＝{y1，y2，...，yt}；
[0045] (3)温差时间序列：
[0046] {E}＝{e1，e2，...，et}＝{x1-y1，x2-y2，...，xt-yt}。
[0047] 二、稳态满发功率状态下的数据选取
[0048] 变桨系统作用主要包括：确保了风电机组对风能的有效利用、确保极端情况下风机自身安全，避免发生超速飞车、倒塔事故。当风速达到额定风速，机组会启动变桨系统，使机组的输出功率控制在额定功率附近，机组整体运行状态较为稳定。因此研究额定功率附近的变桨系统的运行状态，有其实际意义。
[0049] 变桨系统的驱动主要依靠变桨电机，电机运行过程中温度会增加。当变桨系统运行一段时间后，散热系统散发的热量一定，电机的温度不再升高，其将稳定在某一温度附近运行。
[0050] 该方法基于此原理，选择机组变桨系统运行稳定的状态下(即变桨系统的稳定状态)，研究其变桨电机温度温差的变化情况。
[0051] 数据筛选如下：
[0052] (1)一般认为当机组输出功率稳定在额定功率附近超过少半小时为机组稳态满发阶段。依据实际运行功率时间序列Power，给定稳态满发功率下限plim，选择机组输出功率在稳态满发功率下限之上且持续时间超过T(T＞0.5h)的片段P＝{P1，P2，...，Pn}。
[0053] (2)选取(1)中稳态满发功率片段对应的变桨电机温差序列，得到稳态满发功率状态下，机组变桨电机温度温差数据片段组合{Z}＝{z1，z2，...，zn}。
[0054] (3)考虑到机组运行一段时间后，变桨电机温度才能维持在某一温度附近运行，因而对(2)中的序列{Z}，需要剔除机组在稳态满发刚开始的一定时间段的片段(即温度稳定前)或者仅提取机组变桨电机温度维持在某一温度附近波动的时间片段。本例采用提取机组变桨电机温度维持在某一温度附近波动的时间片段，这样的片段其分布比较明显，数值会在某一范围内波动，便于寻找稳态运行一段时间后的变桨电机温差片段：
[0055] ①选取{Z}中的第i个运行片段zi＝{ei，1，ei，2，...，ei，t}，其中i＝1，2，...，n，绘制频率分布直方图；
[0056] ②依据Sturges提出的经验公式来确定组数，绘制频率分布直方图，选择密度较大的前两个组别之一，其对应最低温度，即为温度下限Qlim，i；
[0057] ③剔除Qlim，i以下的点，保留大于等于Qlim的数据点Qi，这样筛选的数据点相对集中。经以上操作，得到稳态运行一段时间后的变桨电机温差片段Q＝{Q1，Q2，...，Qn}[0058] 三、变桨电机温度异常监测
[0059] 机组变桨系统的运行状态在不同风速段的表现存在一定的差异，进一步查找机组不同风速段下运行差异，能够及早的发现变桨系统存在的隐患，便于运维人员有针对性的对机组进行检修，缩短检修时间。当机组处于稳态满发阶段，机组变桨系统受到风速的影响较大，因而研究风速与变桨电机温度温差的关系有实际意义。
[0060] 计算各稳态满发功率片段对应温差时间序列的温差平均值和风速平均值，将各稳态满发功率片段对应的温差平均值根据风速段分组，绘制每组风速段风速平均值与温差平均值的散点图，计算各组风速段下温差平均值的波动区间；因为选择的数据为机组变桨系统运行稳定的片段，因而机组的温差变化应保持在某一波动范围。通过数据表现，可以得到：
[0061] (1)机组变桨系统在稳定状态下，不同风速段的变桨电机温差均值的波动区间Interval1，
[0062] (2)依据该数据中的分布情况，若存在这样的状态θ＝{W，E}，其中W表示风速段，E表示温差，若数据偏离分布，则该风速状态下的机组变桨电机运行存在异常，需要重点关注。
[0063] 散点的确定：计算温差平均值数据的1/4(q1)、1/2(q2)、3/4(q3)分位数，四分位距IQR＝q3-q1，则波动区间：
[0064] 上限：Uplim＝q3+1.5IQR
[0065] 下限：Downlim＝q1-1.5IQR
[0066] 搜索超出波动区间范围的散点。
[0067] 四、变桨电机温度异常预警
[0068] 机组变桨系统稳定状态下，变桨电机温差的波动范围如果过大，当外界环境温度升高，机组变桨电机温度很容易达到机组SCADA故障系统的报警值，促使机组报故障甚至停机。变桨电机温差的波动可以使用温差的波动区间来衡量；然后对机组变桨电机未来稳定状态下温差变化的均值和发生的时刻分别进行预测，能够较早的发现机组变桨系统存在的隐患。
[0069] 将得到的变桨电机温差各片段Qi，分别计算对应指标的平均值，再按照时间顺序进行合并。考虑到影响机组变桨系统稳定状态下的温差平均值的变化因素也包括时间因素，温差序列存在自相关的特性，因此：
[0070] (1)变桨电机温差均值预测
[0071] 采用时间序列移动平均
自回归模型(ARIMA模型)进行预测，得到①机组变桨系统在稳定状态下变桨电机温差平均值未来Tm(m＝1，2，...)时刻的预测值，②机组变桨电机温差平均值95％置信水平下的置信区间Interval1。
[0072] (2)变桨电机温差稳定状态发生时刻预测
[0073] 将变桨电机温差片段Q中每一个稳定状态发生的时刻记为σ＝{σ1，σ2，...，σn}，构造时间间隔序列：
[0074] Δ＝{Δ1，Δ2，...，Δn}＝{σ1-σ1，σ2-σ1，σ3-σ1，σ4-σ1，...，σn-σ1}[0075] 采用线性最小二乘法对Δ序列未来Tm(m＝1，2，...)时刻进行预测。通过预测，得知未来Tm时刻的稳定状态发生时间为σn+j＝Δn+j+σ1(j＝1，2，...，m)。
[0076] (3)对评估温差的指标进行判断(预警)：
[0077] ①若未来T时刻的预测值大于给定的阈值 则该机组的变桨电机需要重点关注，反之则正常；
[0078] ②若变桨电机温差未来T时刻的预测值的置信区间Interval2，m＝[am，bm]较宽，其对应机组的变桨电机实际正常运行温度范围[c，d]，则预测的变桨电机未来的可能温度范围为：
[0079] Temp＝[c+max(bm)，d+max(bm)]
[0080] 若Temp上限温度很接近机组故障报警的温度，则该机组的变桨电机需要重点关注，反之则正常。
[0081] 实施例二
[0082] 实施例一结合某07号风电机组实例的变桨电机温度异常监测方法和预警方法[0083] (1)选取某风场的SCADA数据，机型为金风1.5MW，时间间隔为10s，从2018-05-1900:00:00～2019-04-3023:59:50。此处选取2018年5月份机组运行状态进行展示，该机组的额定功率为1.5MW，稳态满发功率下限设定为plim＝1450kw，持续时间超过T≥1h，选取的稳态满发功率片段对应的变桨电机温度；
[0084] (2)计算变桨电机温度最大与最小电机温差的时间序列
[0085] 该机组在运行过程中，变桨电机1的温度始终高于其他变桨电机的温度，因而{X}对应的时间序列为变桨电机1温度时间序列，{Y}对应的时间序列为变桨电机3温度时间序列。经计算得到温差序列{E}。
[0086] (3)将各满发片段zi的温差时间序列绘制直方图，选择排名第二的数值作为筛选变桨电机温度温差的下限值。如图2所示，选择的温度下限Qlim，i＝45℃。
[0087] (4)依据(3)中变桨电机温度温差的下限值Qlim，i，选择满发片段中温差高于下限值的数值片段，得到序列Q，并计算各片段中的变桨电机温差平均值、风速平均值，如图3。
[0088] (5)将序列Q依据风速分组，计算变桨电机温差平均值。绘制风速平均值与变桨电机温差平均值的散点图。不同风速段的变桨电机温差的波动区间Interval1＝[32.9，49.1]，IQR＝2.87，Uplim＝46.5，Downlim＝35.1。由图4可知，当机组风速在16.5～18.5m/s之间，机组运行工况存在异常，需要重点关注。
[0089] (6)选取Tm＝4，选取经验数据 显著性水平选择0.05和0.2。
[0090] ①经测试，选择ARIMA(1,2,1)模型进行建模(如图5)，检验模型残差序列为白噪声。经计算得到Interval1，结果见下表。
[0091] ②采用线性最小二乘法对变桨电机稳定状态发生时刻进行建模(如图6)，线性模型y＝ax+b的R2＝0.98，回归系数均显著，结果见下表。
[0092] 变桨电机温差均值和稳定状态发生时刻预测结果汇总
[0093]
[0094] 由此可知：
[0095] ①未来4个稳态满发段的变桨电机温差预测值在27.9～32.6℃之间，大于给定的15℃，温差偏大；
[0096] ②该机组的变桨电机的正常运行温度在[c,d]＝[50,70]℃，选择95％置信水平在的置信区间[am，bm]，max(bm)＝53.1℃。综合温差置信区间和正常运行的温度，该机组在2019年4月的4个稳态满发段，三个变桨电机的温度最大值Temp＝[103.1，123.1]，有超过机组报警值的风险，该机组变桨电机需要重点关注。
[0097] 以上说明仅为本发明的应用实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明
申请专利范围所作的等效变化，仍属本发明的保护范围。
