首页 / 专利库 / 电气元件和设备 / 电机 / 计及风电机组传动系统疲劳的风电场可靠性评估方法

计及电机传动系统疲劳的风电场可靠性评估方法

阅读:555发布:2023-02-05

专利汇可以提供计及电机传动系统疲劳的风电场可靠性评估方法专利检索,专利查询,专利分析的服务。并且本 发明 涉及 风 电场 可靠性评估方法,具体为计及风 电机 组 传动系统 疲劳的风电场可靠性评估方法,解决现有评估方法不能准确评估风险的问题,步骤:一、生成机组历史疲劳 载荷 时间序列和疲劳载荷谱;二、生成轴系材料性能S‑N曲线;三、对机组轴系进行疲劳分析;四、建立轴系疲劳失效率模型;五、建立计及传动系统疲劳的Markov模型;六、采用蒙特卡罗法进行可靠性分析。优点:在确定机组处于运行或停运状态时,考虑了机组传统轴系的疲劳损伤造成机组停运的可能性以及其出现的概率、造成的后果,从而在机组可靠性建模是提供更加精确且符合实际的机组停运概率模型,进而显著提高风电可靠性评估的准确性,且分析结果可间接用于指导风电场检修计划和运行计划。,下面是计及电机传动系统疲劳的风电场可靠性评估方法专利的具体信息内容。

1.计及电机传动系统疲劳的风电场可靠性评估方法,其特征在于:包括以下操作步骤:
一、生成风电机组历史疲劳载荷时间序列和疲劳载荷谱;
二、生成轴系材料性能S-N曲线;
三、采用ANSYS Workbench和nCode Designlife软件联合仿真,对风电机组传动轴系进行疲劳分析;
四、建立传动轴系疲劳失效率模型:采用Weibull分布描述元件失效过程,根据Weibull分布的定义,轴系累计失效概率分布和疲劳失效率如下: ,
,上式中D为累计疲劳损伤,h和g分别为Weibull分布的形状参数
和尺度参数度参数,估算方法如下:
1)、收集一份同一型号风电机组的传动系统疲劳失效情况数据,包括所有正在服役的传动系统疲劳损伤值、失效的传动系统总数及各自失效前疲劳损伤值;
2)、计算传动轴系对应于每一个疲劳损伤值的离散失效概率,然后计算相应的累积失效概率,对应于每一个疲劳损伤的离散失效概率等于元件处于这一损伤值时的恰好退役的元件数除以总暴露元件数;
3)、建立失效数据表,每一组数据由传动系统疲劳损伤值和累计失效概率组成,并在表中增加两组数据,第一组为临近已失效元件疲劳损伤最小值的疲劳损伤,并假设与之对应的累计失效概率为0.001,第二组为最大疲劳损伤值,累计失效概率为所有组中的累计失效概率最大值;
4)、采用最小二乘法估计Weibull分布的形状参数h 和尺度参数g ,
,式中ei是步骤3)中数据与Weibull分布
模型之间的误差,函数 表示所有数据组对应误差的
平方和,形状参数h和尺度参数g可通过上式令∂L/∂h=0和∂L/∂g=0求得;
五、建立计及传动系统疲劳的Markov状态模型:将疲劳失效状态作为单独的状态直接嵌入传统Markov模型中,构成计及疲劳失效的三状态Markov模型,三状态分别为运行状态、故障停运状态和疲劳失效状态,其中运行状态和停运状态可相互转换,转换频次由停运率和修复率描述,单位为次/年;运行状态和失效状态可相互转换,转换频次由失效率和替换率描述,单位为次/年;疲劳状态和停运状态之间不可直接转换;机组其他元件作为一个整体,计及降额运行状态,构成三状态Markov模型,降额运行状态可分别与降额状态和停运状态相互转换,转换频率单位均为次/年,但降额和停运状态之间不可直接转换;
六、采用蒙特卡罗法进行可靠性分析,即可评估风电机组传动系统疲劳对风电场可靠性的影响;可靠性分析流程如下:系统可靠性指标有:风电场出概率,电力不足期望值;先输入机组失效率、停运率、修复率、替换率、降额率以及降额系数等风电场原始数据,利用机组各元件状态的出现概率,来确定机组所处状态,进一步确定整个风电场的状态,将每个机组的状态拆分为传动系统和机组其他元件两部分,则包含M个风电机组的风电系统状态为,其中Cmg为第m个风电机组
传动轴系的状态,含运行、停运和疲劳三个状态;Cmo为第m个风电机组其他元件的状态,含运行、降额和停运三个状态;Cgen和Cload分别为火电机组状态和负荷状态,只有当Cmg处于运行状态且Cmo处于运行或降额状态,第m个风电机组才有功率输出;若抽样次数NC足够大,假设状态C出现的次数为n(C),则状态C出现概率的无偏估计为抽样频率 ;随
机抽样估算每个状态概率后,计算各种风电场可靠性指标的数学期望:
,式中:F(·)为后果函数;事件集合TARGET包含所有
目标事件状态;在此基础上,对可靠性指标的不确定性进行估计,首先计算样本方差:
,通过方差系数衡量蒙特卡罗法模拟
精度平,方差系数 ;每次抽样时生成多个[0,1]区间内的随机数,分
别用于模拟风速、机组状态和传动系统状态,经过多次抽样,当η满足精度要求或抽样次数超过预设值时,系统可靠性指标期望反映系统可靠性水平,由此即可评估风电机组传动系统疲劳对风电场可靠性的影响。
2.根据权利要求1所述的计及风电机组传动系统疲劳的风电场可靠性评估方法,其特征在于:所述步骤一中具体操作步骤为:从风电场SCADA系统,即数据采集与监视控制系统,获取每台风电机组的历史风速时间序列和历史转速时间序列,根据叶素动量理论,计算风电机组的转矩时间序列,采用雨流计数法编制载对传动轴系转矩进行计数统计,编制每个机组轴系的疲劳载荷谱。
3.根据权利要求1或2所述的计及风电机组传动系统疲劳的风电场可靠性评估方法,其特征在于:所述步骤二中根据风电机组轴系材料的屈服强度σs、极限抗拉强度σb、弹性模量E拟合一条近似的S-N曲线。
4.根据权利要求3所述的计及风电机组传动系统疲劳的风电场可靠性评估方法,其特征在于:所述步骤三疲劳分析步骤如下:根据miner线性损伤累计理论和S-N理论,材料在某一应力幅值下的疲劳损伤值为这一应力下疲劳寿命的倒数,不同应力幅值下的疲劳损伤可视作相互独立,则传动系统的总疲劳损伤情况可由不同应力幅值下的疲劳损伤值线性叠加求取,即: ;分析中所需的主要参数包括
风电机组轴系材料近似的S-N曲线、泊松比、安全系数、以及轴系的疲劳载荷谱。

说明书全文

计及电机传动系统疲劳的风电场可靠性评估方法

技术领域

[0001] 本发明涉及风电场可靠性评估方法,具体为计及风电机组传动系统疲劳的风电场可靠性评估方法。

背景技术

[0002] 随着风电并网容量的快速增长,发电对电力系统可靠运行带来了日益严峻的挑战。长期以来,风电机组机械传动系统的疲劳问题一直是风电领域的一大难题。风电机组通常安装于风能资源较丰富的偏远地区,其所处自然环境较为恶劣,大型风力发电机机舱通常安装于塔顶,且内部空间狭小,其设备零件一旦发生故障,修复将非常困难,同时也将造成较长的故障停机时间。据统计,风力发电各子系统年失效率中传动系统失效占比为31%,且传动系统主要失效形式是疲劳,失效后一般难以维修,需要更换新零件,造成的停机时间较长。而且,传动系统结构复杂,失效前几乎没有外在的、明显的塑性变形迹象,事先不易察觉,一旦失效将造成突发性的设备事故并对电网产生冲击,损坏风机设备以及危害电力系统稳定可靠运行。现有风电场可靠性评估方法中,风电机组元件失效率或采用统计量,或作为服役时间函数,均不能准确体现元件真实“年龄”与失效率的关系,同时也忽略了不同机组运行工况和使用强度的差别。为了精确化风电机组传动系统失效率,需结合其疲劳情况进行失效率建模。由于疲劳失效造成的机组停运风险不容忽视,而现有可靠性分析模型未能将电气领域的可靠性评估与机械领域的疲劳分析有机结合,这显然低估了风电并网带来的风险。因此有必要建立能将元件机械失效机理与可靠性结合的分析模型,提高含风电场的电力系统可靠性评估的准确性,研究一种计及风电机组传动系统疲劳的风电场可靠性评估方法是具有重要现实意义的。

发明内容

[0003] 本发明解决目前现有的风电场可靠性评估方法不能准确体现元件真实“年龄”与失效率的关系,忽略了不同机组运行工况和使用强度的差别,未能将电气领域的可靠性评估与机械领域的疲劳分析有机结合,不能预估机械疲劳给风电并网带来的风险的问题,提供一种计及风电机组传动系统疲劳的风电场可靠性评估方法。
[0004] 本发明是通过以下操作步骤实现的:计及风电机组传动系统疲劳的风电场可靠性评估方法,包括以下操作步骤:
[0005] 一、生成风电机组历史疲劳载荷时间序列和疲劳载荷谱;
[0006] 二、生成轴系材料性能S-N曲线;
[0007] 三、采用ANSYS Workbench和nCode Designlife软件联合仿真,对风电机组传动轴系进行疲劳分析;
[0008] 四、建立传动轴系疲劳失效率模型:采用Weibull分布描述元件失效过程,根据Wei bul l分 布的定 义 ,轴 系累计 失效概 率分布 和疲劳 失效率 如下 :, ,上式中D为累计疲劳损伤,h和
g分别为Weibull分布的形状参数和尺度参数度参数,估算方法如下:
[0009] 1)、收集一份同一型号风电机组的传动系统疲劳失效情况数据,包括所有正在服役的传动系统疲劳损伤值、失效的传动系统总数及各自失效前疲劳损伤值;
[0010] 2)、计算传动轴系对应于每一个疲劳损伤值的离散失效概率,然后计算相应的累积失效概率,对应于每一个疲劳损伤的离散失效概率等于元件处于这一损伤值时的恰好退役的元件数除以总暴露元件数;
[0011] 3)、建立失效数据表,每一组数据由传动系统疲劳损伤值和累计失效概率组成,并在表中增加两组数据,第一组为临近已失效元件疲劳损伤最小值的疲劳损伤,并假设与之对应的累计失效概率为0.001(接近于零),第二组为最大疲劳损伤值,累计失效概率为所有组中的累计失效概率最大值;
[0012] 4)、采用最小二乘法估计Weibull分布的形状参数h和尺度参数g,,式中ei是步骤3)中数据与Weibull分布模型之间的误差,函数 表示所有数据组对应误
差的平方和,形状参数h和尺度参数g可通过上式令∂L/∂h=0和∂L/∂g=0求得;
[0013] 五、建立计及传动系统疲劳的Markov状态模型:将疲劳失效状态作为单独的状态直接嵌入传统Markov模型中,构成计及疲劳失效的三状态Markov模型,三状态分别为运行状态、故障停运状态和疲劳失效状态,其中运行状态和停运状态可相互转换,转换频次由停运率和修复率描述,单位为次/年;运行状态和失效状态可相互转换,转换频次由失效率和替换率描述,单位为次/年;疲劳状态和停运状态之间不可直接转换;机组其他元件作为一个整体,计及降额运行状态,构成三状态Markov模型,降额运行状态可分别与降额状态和停运状态相互转换,转换频率单位均为次/年,但降额和停运状态之间不可直接转换;
[0014] 六、采用蒙特卡罗法进行可靠性分析,即可评估风电机组传动系统疲劳对风电场可靠性的影响。
[0015] 所述步骤一中具体操作步骤为:从风电场SCADA系统(Supervisory Control And Data Acquisition),即数据采集与监视控制系统,获取每台风电机组的历史风速时间序列和历史转速时间序列,根据叶素动量理论,计算风电机组的转矩时间序列,采用雨流计数法编制载对传动轴系转矩进行计数统计,编制每个机组轴系的疲劳载荷谱。所述步骤二中根据风电机组轴系材料的屈服强度σs、极限抗拉强度σb、弹性模量E拟合一条近似的S-N曲线。所述步骤三疲劳分析原理如下:根据miner线性损伤累计理论和S-N理论,材料在某一应力幅值下的疲劳损伤值为这一应力下疲劳寿命的倒数,不同应力幅值下的疲劳损伤可视作相互独立,则传动系统的总疲劳损伤情况可由不同应力幅值下的疲劳损伤值线性叠加求取,即: ;分析中所需的主要参数包括风电
机组轴系材料近似的S-N曲线、泊松比、安全系数、以及轴系的疲劳载荷谱。所述步骤六可靠性分析流程如下:系统可靠性指标有:风电场出力概率,电力不足期望值(expected demand not supplied,EDNS)和电力不足概率(loss of energy probability,LOEP);先输入机组失效率、停运率、修复率、替换率、降额率以及降额系数等风电场原始数据,利用机组各元件状态的出现概率,来确定机组所处状态,进一步确定整个风电场的状态,将每个机组的状态拆分为传动系统和机组其他元件两部分,则包含M个风电机组的风电系统状态为,其中Cmg为第m个风电机组
传动轴系的状态,含运行、停运和疲劳三个状态;Cmo为第m个风电机组其他元件的状态,含运行、降额和停运三个状态;Cgen和Cload分别为火电机组状态和负荷状态,只有当Cmg处于运行状态且Cmo处于运行或降额状态,第m个风电机组才有功率输出;若抽样次数NC足够大,假设状态C出现的次数为n(C),则状态C出现概率的无偏估计为抽样频率 ;随机抽样估算每个状态概率后 ,计算各种风电场可靠性指标的数学 期望:
,式中:F(·)为后果函数;事件集合TARGET包含所
有目标事件状态;在此基础上,对可靠性指标的不确定性进行估计,首先计算样本方差:
,通过方差系数衡量蒙特卡罗法模拟精度
平,方差系数 ;每次抽样时生成多个[0,1]区间内的随机数,分别用于模拟风速、机组状态和传动系统状态,经过多次抽样,当η满足精度要求或抽样次数超过预设值时,系统可靠性指标期望反映系统可靠性水平(评估流程图附图1),由此即可评估风电机组传动系统疲劳对风电场可靠性的影响。
[0016] 本发明采用可靠性领域的寿命建模方法和多状态Markov模型,独创性地将机械领域中元件的疲劳损伤与电气领域中系统可靠性评估结合起来,并基于蒙特卡罗模拟法,形成一整套风电机组机械疲劳对电力系统可靠性影响的定量评估方法,且该方法分析结果可间接用于指导风电场检修计划和运行计划。

附图说明

[0017] 图1为采用蒙特卡罗法进行可靠性分析评估流程图。

具体实施方式

[0018] 具体实施时,计及风电机组传动系统疲劳的风电场可靠性评估方法,包括以下操作步骤:
[0019] 一、生成风电机组历史疲劳载荷时间序列和疲劳载荷谱:从风电场SCADA系统,即数据采集与监视控制系统,获取每台风电机组的历史风速时间序列和历史转速时间序列,根据叶素动量理论,计算风电机组的转矩时间序列,采用雨流计数法编制载对传动轴系转矩进行计数统计,编制每个机组轴系的疲劳载荷谱;
[0020] 二、生成轴系材料性能S-N曲线:根据风电机组轴系材料的屈服强度σs、极限抗拉强度σb、弹性模量E拟合一条近似的S-N曲线;
[0021] 三、采用ANSYS Workbench和nCode Designlife软件联合仿真,对风电机组传动轴系进行疲劳分析:原理如下:根据miner线性损伤累计理论和S-N理论,材料在某一应力幅值下的疲劳损伤值为这一应力下疲劳寿命的倒数,不同应力幅值下的疲劳损伤可视作相互独立,则传动系统的总疲劳损伤情况可由不同应力幅值下的疲劳损伤值线性叠加求取,即:;分析中所需的主要参数包括风电机
组轴系材料近似的S-N曲线、泊松比、安全系数、以及轴系的疲劳载荷谱;
[0022] 四、建立传动轴系疲劳失效率模型:采用Weibull分布描述元件失效过程,根据Weibull分布的定义,轴系累计失效概率分布和疲劳失效率如下: ,,上式中D为累计疲劳损伤,h和g分别为Weibull分布的形状参
数和尺度参数度参数,估算方法如下:
[0023] 1)、收集一份同一型号风电机组的传动系统疲劳失效情况数据,包括所有正在服役的传动系统疲劳损伤值、失效的传动系统总数及各自失效前疲劳损伤值;
[0024] 2)、计算传动轴系对应于每一个疲劳损伤值的离散失效概率,然后计算相应的累积失效概率,对应于每一个疲劳损伤的离散失效概率等于元件处于这一损伤值时的恰好退役的元件数除以总暴露元件数;
[0025] 3)、建立失效数据表,每一组数据由传动系统疲劳损伤值和累计失效概率组成,并在表中增加两组数据,第一组为临近已失效元件疲劳损伤最小值的疲劳损伤,并假设与之对应的累计失效概率为0.001,第二组为最大疲劳损伤值,累计失效概率为所有组中的累计失效概率最大值;
[0026] 4)、采用最小二乘法估计Weibull分布的形状参数h和尺度参数g,,式中ei是步骤3)中数据与Weibull分布模型之间的误差,函数 表示所有
数据组对应误差的平方和,形状参数h和尺度参数g可通过上式令∂L/∂h=0和∂L/∂g=0求得;
[0027] 五、建立计及传动系统疲劳的Markov状态模型:将疲劳失效状态作为单独的状态直接嵌入传统Markov模型中,构成计及疲劳失效的三状态Markov模型,三状态分别为运行状态、故障停运状态和疲劳失效状态,其中运行状态和停运状态可相互转换,转换频次由停运率和修复率描述,单位为次/年;运行状态和失效状态可相互转换,转换频次由失效率和替换率描述,单位为次/年;疲劳状态和停运状态之间不可直接转换;机组其他元件作为一个整体,计及降额运行状态,构成三状态Markov模型,降额运行状态可分别与降额状态和停运状态相互转换,转换频率单位均为次/年,但降额和停运状态之间不可直接转换;
[0028] 采用蒙特卡罗法进行可靠性分析:系统可靠性指标有:风电场出力概率,电力不足期望值和电力不足概率;先输入机组失效率、停运率、修复率、替换率、降额率以及降额系数等风电场原始数据,利用机组各元件状态的出现概率,来确定机组所处状态,进一步确定整个风电场的状态,将每个机组的状态拆分为传动系统和机组其他元件两部分,则包含M个风电机组的风电系统状态为 ,其中Cmg为第m个风电机组传动轴系的状态,含运行、停运和疲劳三个状态;Cmo为第m个风电机组其他元件的状态,含运行、降额和停运三个状态;Cgen和Cload分别为火电机组状态和负荷状态,只有当Cmg处于运行状态且Cmo处于运行或降额状态,第m个风电机组才有功率输出;若抽样次数NC足够大,假设状态C出现的次数为n(C),则状态C出现概率的无偏估计为抽样频率;随机抽样估算每个状态概率后,计算各种风电场可靠性指标的数学期
望: ,式中:F(·)为后果函数;事件集合TARGET包含
所有目标事件状态;在此基础上,对可靠性指标的不确定性进行估计,首先计算样本方差:
,通过方差系数衡量蒙特卡罗法模拟精
度水平,方差系数 ;每次抽样时生成多个[0,1]区间内的随机数,分别
用于模拟风速、机组状态和传动系统状态,经过多次抽样,当η满足精度要求或抽样次数超过预设值时,系统可靠性指标期望反映系统可靠性水平,由此即可评估风电机组传动系统疲劳对风电场可靠性的影响。
高效检索全球专利

专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。

我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。

申请试用

分析报告

专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。

申请试用

QQ群二维码
意见反馈