CN114412726B 风电机组变桨轴承检测方法、装置及风力机组 （三一重能股份有限公司）

2015.06.252015.06.252018.08.16,组各目标变量检测值在高维决策模型中的目标变综合利用高维决策模型中的目标变量参考值与了多个目标变量以及各目标变量的所有关联变2获取待测风电机组在停机收桨工况下的时序数据，构建在任一目标变量涉及至少一个关联变量的情况下，构建与所述调用与所述任一目标变量相关的高维决策模型，并确定根据所有目标变量检测值及其对应的目标变量参考值，确定对所述构建所述高维关联变量模型的方式包括：从时序数据集中在所述任一目标变量为变桨电机电流，所述变桨电机电流涉及的关联变量为桨距角、在所述任一目标变量包括变桨电机温升，所述变桨电机温升涉及的变量检测值及其对应的目标变量参考值，确定对所述待测风电机组变桨轴承的检测结果，确定所述任一目标变量相关的第一比值数组和第一异常值占比；根据所有目标变量相关的第一比值数组和第一异常值3在任一目标变量不涉及关联变量的情况下，调用与所述任一目根据所述任一目标变量的时序数据集与所述变量参考阈值，确定所述任所述第二比值数组是由每个时序数据与所述变量参考阈值之间的比值构根据所有涉及关联变量的目标变量相关的第一比值数组和第一异在确定所述二维决策模型中各网格单元内的目标变量历史数据的数量均大于第一阈二维决策模型中各网格单元内的目标变量历史数据，确定各网格单元的目标变量参考值，在对任一网格单元内的所有目标变量历史数据，按照变桨电机电流结合所述四分位距和所述第三四分位数，确定所述第一获取与所述待测风电机组同机型的其它风电机组在停机收桨工况下的历史时序数据，并从所述历史时序数据中筛选出与所述轴间桨叶角度差相关在对所述第二时序数据，按照轴间桨叶角度差的由小至大依次排结合所述四分位距和所述第三四分位数，确定所述第二相关的第一比值数组和第一异常值占比，确定对所述待测风电机组变桨轴承的检测结果，若每个所述目标变量的第一比值数组中的每个比值均大于与每个所述目标变量相关4若每个所述目标变量的第一比值数组中的每个比值均大于与每个所述目标变量相关数据调用单元，用于获取待测风电机组在停机收桨工况下的时数据排列单元，用于在任一目标变量涉及至少一个关联变量的情决策模型调用单元，调用与所述任一目标变量相关的高数据比较单元，用于根据所有目标变量检测值及其对应的目标变构建所述高维关联变量模型的方式包括：从时序数据集中在所述任一目标变量为变桨电机电流，所述变桨电机电流涉及的关联变量为桨距角、在所述任一目标变量包括变桨电机温升，所述变桨电机温升涉及的5理器；还包括存储器及存储在所述存储器上并可在所述检测处理器上运行的程序或指令，所述程序或指令被所述检测处理器执行时执行如权利要求1至7任一项所述电机组变桨轴6[0002]变桨轴承是风电机组变桨传动装置中的回转机构，经过一段工作时间会因磨损、采集与监视控制系统(SupervisoryControlAndDataAcquisition，SCADA)记录的相关术在进行检测分类模型的构建和预训练时需要采集大量的故障样本，导致难以实施的缺7[0020]获取与所述待测风电机组同机型的其它风电机组在停机收桨工况下的历史时序[0026]在确定所述二维决策模型中各网格单元内的目标变量历史数据的数量均大于第8[0032]获取与所述待测风电机组同机型的其它风电机组在停机收桨工况下的历史时序述上极限作为所述轴间桨叶角度差相关的变量[0037]获取与所述待测风电机组同机型的其它风电机组在停机收桨工况下的历史时序[0041]若每个所述目标变量的第一比值数组中的每个比值均大于与每个所述目标变量[0042]若每个所述目标变量的第一比值数组中的每个比值均大于与每个所述目标变量进行变桨轴承检测的各目标变量的时序数据所述高维关联变量模型中各网格单元的目标变9所述目标变量检测值在所述高维决策模型中对应的目标变[0057]图4是本发明提供的检测结果正常情况下目标变量检测值与二维决策模型的分布[0058]图5是本发明提供的检测结果异常情况下目标变量检测值与二维决策模型的分布明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。象，而不用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互[0064]图1是本发明提供的风电机组变桨轴承检测方法的流程示度(简称rs)恒定(记作RS)，或者根据桨距角分段后的每个桨距角子区间内的变桨速度恒[0067]例如：根据变桨速度，整个桨距角区间PitchAngelIntervaln∈{[θ1,θ2),[θ2,[0070]本发明通过对从风电机组相关的SCADA系统中调取的所有运行数据中，筛选出变[0073]从SCADA系统中调取待测风电机组在最近一周内运行的秒级运行数据(如采样频[0075]图2是本发明提供的是本发明提供的风电机组变桨轴承检测方法的流程示意图之序数据集中的每个时序数据在高维关联变量模型中用所在的坐标轴上的预设区间为单位，变桨电机电流从负无穷至正无穷所形成的空间单元。定各个目标变量检测值所对应的网格单元在高维决策模型中所对应的目[0096]获取每个网格单元所对应的目标变量检测值与对应的目标变量参考值之间的比参考值之间的大小，并统计目标变量检测值大于对应的目标变量参考值的数量k(k称作第等还可以包括不涉及关联变量的轴间桨叶角度差等，则对于不涉及关联变量的目标变量，可以直接根据所筛选的全部历史数据(此时所筛选的全部历史数据仅为不同采样时刻所采集的轴间桨叶角度差)确定出变量参考阈值，例如计算所有轴间桨叶角度差的算术平均值[0110]然后，确定所有轴间桨叶角度差大于变量参考阈值的数量(即确定出第二异常[0114]获取与所述待测风电机组同机型的其它风电机组在停机收桨工况下的历史时序[0123]第一步，筛选与待测风电机组同机型数据中的特定收桨桨电机电流相关的时序数据主要包括桨叶角度在时序上的连续数据和桨距角在时序上的[0125]将桨距角θ在不同的桨距角区间[θk则桨距角θ一共可以划分为n=⃞-1bino.x个第二等分子[0128]最后，可以将网格单元相关的目标变量历史数据记录至该机型的二维数组[0130]具体地，所述根据位于所述二维决策模型中各网格单元[0134]本发明是采用构建箱形图的方式统计出每个网格单元内的所有目标变量历史数定的目标变量参考值准确的表征该网格单元内的所有目标变[0140]上述实施例中介绍了如何针对涉及关联变量的目标变量构建对应的高维决策模[0142]获取与待测风电机组同机型的其它风电机组在停机收桨并从所述历史时序数据中筛选出与所述轴间桨叶角度差相关述上极限作为所述轴间桨叶角度差相关的变量[0150]在确定所述二维决策模型中各网格单元内的目标变量历史数据的数量均大于第设置了目标变量与对应高维决策模型/变量参考阈值的目标变量参考值和超限数据量上[0154]获取与所述待测风电机组同机型的其它风电机组在停机收桨工况下的历史时序量的综合异常值大于第三阈值且大于上一检测周期所有目标变量对应的历史综合异常值，[0166]若每个所述目标变量的第一比值数组中的每个比值均大于第四阈值不大于第二[0168]图4是本发明提供的检测结果正常情况下目标变量检测值与二维决策模型的分布示意图，图5是本发明提供的检测结果异常情况下目标变量检测值与二维决策模型的分布否都超过对应的第二阈值D1、D2或D3；且超出决策面(或变量参考阈值)的异常值占比r1、[0177]最后，可以结合综合异常值Q与上一检测周期所检测出的历史综合异常值Q9之间建用于进行变桨轴承检测的各目标变量的时序数建与所述任一目标变量相关的高维关联变量模型，并根据所述任一目标变量的时序数据定每个所述目标变量检测值在所述高维决策模型中对应的[0183]数据比较单元64，主要用于根据所有目标变量检测值及其对应的目标变量参考[0184]可选地，在数据比较单元64中主要是通过执行以下步骤实现对于检测结果的确[0194]此外，上述的存储器730中的逻辑指令可以通过软件功能单元的形式实现并作为发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以指令被计算机执行时，计算机能够执行上述各方法所提供的风电机组变桨轴承检测方法，轴承检测的各目标变量的时序数据集；在任一目标变量涉及至少一