基于风机运行数据的润滑油劣化度评估方法及系统、设备、介质与流程
本发明涉及风力发电设备,具体而言,涉及基于风机运行数据的润滑油劣化度评估方法及系统、设备、介质。
背景技术:
1、风机润滑油作为保障风电机组传动系统稳定运行的关键材料,其发展与风电设备工况需求、润滑技术进步紧密相关,矿物油时代:早期风机多采用矿物油润滑,成本低但性能有限,氧化安定性差,高温易生油泥,使用寿命不足 2 年,低温流动性不佳,难以应对寒冷地区冬季运行需求。 合成油兴起:21 世纪初,pao 合成油商业化应用,粘温特性、氧化安定性和低温倾点优异,将寿命延长至 3-4 年,成为陆上风电主流。随后酯类合成油崛起,极压抗磨性提升,密封兼容性好,适配海上高盐雾环境。
2、在现有技术中,关于润滑油的检查一般是根据运行时间来进行定期进行的,润滑油的检查需要维修工人到对应的位置去取出样本后才能进行准确的检查,所以在运行的过程中一般不进行检查,但是这样就可能会造成上一个检修节点到下一个检修节点之间风机运行时,可能出现的润滑油的劣化问题被忽视,而造成风机的其他故障。
技术实现思路
1、本发明的目的是提供基于风机运行数据的润滑油劣化度评估方法及系统、设备、介质,来解决现有技术中的上述问题。
2、本发明通过以下技术方案实现:
3、一种基于风机运行数据的润滑油劣化度评估方法,包括:
4、获取风机运行数据,并对风机运行数据进行预处理得到若干种数据类型的数据组;
5、获取润滑油不合格时的第一历史风机运行数据和润滑油合格时的第二历史风机运行数据,基于第一历史风机运行数据和第二历史风机运行数据得到每种运行数据的浮动权重;
6、建立风机故障诊断模型,基于数据组通过风机故障诊断模型输出当前风机是否存在故障风险,若不存在故障风险则不做处理;
7、若存在故障风险,则从若干个数据组中筛选异常的目标数据组,获取目标数据组对应种类数据的浮动权重;
8、构建润换油劣化度评估模型,基于目标数据组和目标数据组对应的浮动权重得到当前润滑油的评价指标,根据预设的评价阈值通过评价指标输出评价结果。
9、优选的,所述并对风机运行数据进行预处理得到若干种数据类型的数据组包括对当前风机运行数据进行降噪处理,包括:
10、基于所述风机运行数据构建标准化特征向量,构建工况耦合核函数,对时序窗口内的数据加权平滑。
11、优选的,所述构建工况耦合核函数,对时序窗口内的数据加权平滑包括:
12、
13、式中,为加权平滑后的时刻的数据,为时序滑动窗口,为时刻相对于时刻的自适应权重,为时刻的数据,为额定工况标准特征向量。
14、优选的,所述基于第一历史风机运行数据和第二历史风机运行数据得到每种运行数据的浮动权重包括:
15、
16、式中,为第种数据的浮动权重,为t时刻的第种第一历史风机运行数据,为t时刻的第种第二历史风机运行数据,为采集周期的时间节点总数量。
17、优选的,所述建立风机故障诊断模型包括:
18、对风机运行数据进行归一化处理,构建工况自适应双空间图结构,生成动态邻接矩阵;
19、通过工况加权图卷积层对动态邻接矩阵进行图卷积操作,输出空间关联特征集;
20、通过工况约束时序注意力层动态捕捉空间关联特征集的故障的时序演化特征,输出时序空间融合特征,通过多尺度特征融合模块,融合不同尺度的故障特征,得到全局融合特征;
21、融合特征输入分类器,输出故障类别预测结果;通过物理约束损失函数优化模型参数,迭代训练至收敛,最终输出高精度故障诊断结果。
22、优选的,所述则从若干个数据组中筛选异常的目标数据组包括:
23、设置每种数据类型的筛选阈值,获取每个数据组与对应的第二历史风机运行数据的差值绝对值的平均值,判断平均值是否位于该数据组对应的筛选阈值内,若是,则为目标数据组,若不是,则为正常数据组;
24、若筛选的目标数据组为零,则获取差值绝对值与数据组平均值比值最大的数据组作为目标数据组。
25、优选的,所述构建润换油劣化度评估模型包括:
26、
27、
28、式中,为评价值指标,为第个目标数据组的计算权重,为第个目标数据组的对应的浮动权重,为目标数据组的总数量,为第个目标数据组中t时刻的值,为第个目标数据组对应的t时刻的第二历史数据。
29、第二方面,本发明还提供了基于风机运行数据的润滑油劣化度评估系统,用于执行上述的基于风机运行数据的润滑油劣化度评估方法,包括:
30、数据处理模块,被配置为获取风机运行数据,并对风机运行数据进行预处理得到若干种数据类型的数据组;获取润滑油不合格时的第一历史风机运行数据和润滑油合格时的第二历史风机运行数据,基于第一历史风机运行数据和第二历史风机运行数据得到每种运行数据的浮动权重;建立风机故障诊断模型,基于数据组通过风机故障诊断模型输出当前风机是否存在故障风险,若不存在故障风险则不做处理;
31、判断模块,被配置为若存在故障风险,则从若干个数据组中筛选异常的目标数据组,获取目标数据组对应种类数据的浮动权重;构建润换油劣化度评估模型,基于目标数据组和目标数据组对应的浮动权重得到当前润滑油的评价指标,根据预设的评价阈值通过评价指标输出评价结果。
32、第三方面,本发明还提供了一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述的基于风机运行数据的润滑油劣化度评估方法。
33、第四方面,本发明还提供了一种计算机可读存储介质,所述计算机可读存储介质上存储计算机程序,所述计算机程序被处理器执行时实现上述的基于风机运行数据的润滑油劣化度评估方法。
34、本发明的技术方案至少具有如下优点和有益效果:
35、采用本发明所提供的方法,主要包括了若存在故障风险,则从若干个数据组中筛选异常的目标数据组,获取目标数据组对应种类数据的浮动权重;构建润换油劣化度评估模型,基于目标数据组和目标数据组对应的浮动权重得到当前润滑油的评价指标,根据预设的评价阈值通过评价指标输出评价结果。通过上述方法,在一个数据采集周期内,对润滑油进行了多次评估,填充了在上一个检修节点到下一个检修节点之间的检修空白,可以随时对当前润滑油进行评估,根据评估的结果,反馈至检修人员的接收终端,及时做出具体措施。
1.基于风机运行数据的润滑油劣化度评估方法,其特征在于,包括:
2.根据权利要求1所述的基于风机运行数据的润滑油劣化度评估方法,其特征在于,所述并对风机运行数据进行预处理得到若干种数据类型的数据组包括对当前风机运行数据进行降噪处理,包括:
3.根据权利要求2所述的基于风机运行数据的润滑油劣化度评估方法,其特征在于,所述构建工况耦合核函数,对时序窗口内的数据加权平滑包括:
4.根据权利要求3所述的基于风机运行数据的润滑油劣化度评估方法,其特征在于,所述基于第一历史风机运行数据和第二历史风机运行数据得到每种运行数据的浮动权重包括:
5.根据权利要求3所述的基于风机运行数据的润滑油劣化度评估方法,其特征在于,所述建立风机故障诊断模型包括:
6.根据权利要求5所述的基于风机运行数据的润滑油劣化度评估方法,其特征在于,所述则从若干个数据组中筛选异常的目标数据组包括:
7.根据权利要求5所述的基于风机运行数据的润滑油劣化度评估方法,其特征在于,所述构建润换油劣化度评估模型包括:
8.基于风机运行数据的润滑油劣化度评估系统,其特征在于,用于执行权利要求1-7任意一项所述的基于风机运行数据的润滑油劣化度评估方法,包括:
9.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1-7中任一项所述的基于风机运行数据的润滑油劣化度评估方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储计算机程序,所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述的基于风机运行数据的润滑油劣化度评估方法。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com