一种基于大数据分析的风电联轴器打滑故障预警方法与流程

技术特征：
1.一种基于大数据分析的风电联轴器打滑故障预警方法，其特征在于，包括以下步骤：从风力发电机组的实时运行数据中提取实时风轮转速、实时发电机转速；根据实时风轮转速、实时发电机转速，结合线性回归模型的斜率和截距，计算风轮转速的实时实测值与实时预测值的实时转差；当实时转差超过预警阀值的持续时间达到时间阈值时，根据风力发电机组的实时运行数据判断风轮转速和发电机转速是否正常且无信号波动：如是，判定为联轴器打滑；如否，判定为传感器或线路异常。2.根据权利要求1所述的基于大数据分析的风电联轴器打滑故障预警方法，其特征在于，所述线性回归模型的斜率和截距，按以下方法求得：s1、从风力发电机组的历史运行数据提取算法所需特征变量数据，将算法所需特征变量数据分为联轴器打滑故障数据和非联轴器打滑故障数据；s2、提取非联轴器打滑故障数据中的风轮转速、发电机转速，并删除风轮转速、发电机转速中的异常数据，得到对应非联轴器打滑故障数据的第二风轮转速、第二发电机转速；s3、根据第二风轮转速、第二发电机转速建立线性回归模型，对线性回归模型求解，得到斜率和截距。3.根据权利要求2所述的基于大数据分析的风电联轴器打滑故障预警方法，其特征在于，步骤s3中，使用最小二乘法对线性回归模型求解。4.根据权利要求2所述的基于大数据分析的风电联轴器打滑故障预警方法，其特征在于，预警阀值和时间阈值，按以下方法求得：t1、提取联轴器打滑故障数据中的风轮转速、发电机转速，并删除风轮转速、发电机转速中的异常数据，得到对应联轴器打滑故障数据的第一风轮转速、第一发电机转速；t2、根据所述斜率和截距，结合第一风轮转速、第一发电机转速，计算第一风轮转速的历史记录值与历史预测值的历史转差；t3、根据历史转差确定预警阀值和时间阀值。5.根据权利要求4所述的基于大数据分析的风电联轴器打滑故障预警方法，其特征在于，步骤t2中计算第一风轮转速的历史记录值与历史预测值的历史转差，包括：t21、根据斜率和截距，将第一发电机转速折算为第一风轮转速，得到第一风轮转速的历史预测值；t22、将所述第一风轮转速历史记录值与第一风轮转速历史预测值之差作为历史转差。6.根据权利要求4所述的基于大数据分析的风电联轴器打滑故障预警方法，其特征在于，步骤t3中根据历史转差确定预警阀值和时间阀值，包括：t31、计算历史转差的均值和标准差；t32、将所述均值和标准差之和作为预警阀值；t33、将联轴器打滑故障期间的历史转差超出预警阀值的持续时间作为时间阀值。7.根据权利要求6所述的基于大数据分析的风电联轴器打滑故障预警方法，其特征在于，所述时间阀值为3秒。8.根据权利要求2所述的基于大数据分析的风电联轴器打滑故障预警方法，其特征在于，删除风轮转速、发电机转速中的异常数据时，风轮转速保留数值范围为[0，20]，发电机
转速保留数值范围为[0，2000]。9.根据权利要求1所述的基于大数据分析的风电联轴器打滑故障预警方法，其特征在于，采用机理分析法判断风轮转速和发电机转速是否正常且无信号波动。

技术总结
本发明提供一种基于大数据分析的风电联轴器打滑故障预警方法，包括以下步骤：从风力发电机组的实时运行数据中提取实时风轮转速、实时发电机转速；根据实时风轮转速、实时发电机转速，结合线性回归模型的斜率和截距，计算风轮转速的实时实测值与实时预测值的实时转差；当实时转差超过预警阀值的持续时间达到时间阈值时，根据风力发电机组的实时运行数据判断风轮转速和发电机转速是否正常且无信号波动：如是，判定为联轴器打滑；如否，判定为传感器或线路异常。本发明可以利用风力发电机组已有的传感器及运行数据对联轴器进行打滑故障预警。预警。预警。


技术研发人员：冉军 余强 陶建权 杨妍妮 付道一 朱娇艳 周琪 饶雷
受保护的技术使用者：中国船舶重工集团海装风电股份有限公司
技术研发日：2021.08.09
技术公布日：2021/9/27