一种实时判别风机运行状态的方法与流程

1.本发明属于新能源动力行业的设备状态数据分析技术领域，具体涉及一种实时判别风机运行状态的方法。


背景技术：

2.目前我国大规模增加风力发电的装机容量，一个发电集团的风机数目在万台左右。风机的维护成本是风机发电的主要成本之一。目前，风机的运行状态需要人员在现场检测，如果能够快速判断出风机的基本运行状态，有针对性的对有故障的风机进行精准检修维护，可以有效的减少巡检运维人员数量并降低检修成本。智能电厂的建设需要实现自感知功能，利用电厂运行的数据获得风机的运行状态是智能电厂自感知的一项重要内容。


技术实现要素：

3.为了克服上述现有技术存在的不足，本发明的目的在于提供一种实时判别风机运行状态的方法，通过采集风机发电功率和风速数据，并线性拟合得到风机的发电功率和风速线性公式的斜率，当斜率偏离某一设定范围时，可判断风机的基本运行状态存在问题。
4.为了实现上述目的，本发明采用的技术方案是：
5.一种实时判别风机运行状态的方法，包括以下步骤；
6.步骤1：
7.按一定采集频率f采集任意一台风机在一定时间段δt内的发电功率和风速，得到i台风机在j时刻的发电功率p
i,j
和风速w
i,j
；
8.其中，p
i,j
——j时刻i台风机的发电功率，mw；
9.w
i,j
——j时刻i台风机的风速，m/s。
10.一定时间段δt内发电功率和风速采集次数为：
11.n＝fδt
12.其中，n——i台风机发电功率和风速采集次数，—；
13.f——i台风机发电功率和风速采集频率，次/s；
14.δt——i台风机发电功率和风速采集时间，s。
15.这样，得到i台风机的n组数据(p
i,1
，w
i,1
)，(p
i,2
，w
i,2
)，
…
，(p
i,n
，w
i,n
)；
16.步骤2：
17.利用最小二乘法，对采集的n组数据风机发电功率和风速进行线性拟合，得到i台风机发电功率和风速的线性关系如下：
18.p
i
＝k
i
w
i
c
i
19.其中，p
i
——i台风机的发电功率，mw；
20.k
i
——i台风机的线性系数，mw.s/m；
21.w
i
——i台风机的风速，m/s；
22.c
i
——i台风机的常数，mw。
23.步骤3：
24.判定i台风机的线性系数k
i
与正常值k0的偏差δk
i
，如果偏差大于设定值δ，则判定风机运行状态有故障：判别依据描述如下：
25.δk
i
＝|k
i
‑
k0|>δ，故障
26.其中，δk
i
——i台风机的线性系数偏差值，mw.s/m；
27.k0——风机的线性系数正常值，mw.s/m；
28.δ——风机的线性系数偏差设定值，mw.s/m。
29.本发明的有益效果：
30.利用本发明技术，通过实时采集的风机发电功率和风速，可以利用计算机对大规模的风机(万台规模)运行状态进行在线分析，快速地判断出风机的基本运行状态，可指导运维人员有针对性的对有故障的风机进行精准检修维护，可以有效的减少巡检运维人员数量并降低检修成本。
31.具体实施步骤如下：先实时采集每台风机的发电功率和风速，再对一段时间内的每台风机的发电功率和风速按本专利方法进行计算分析，对线性系数偏差大于设定值的风机进行报警并推送给运维人员，运维人员对报警的风机进行现场维护或检修。
附图说明
32.图1为本发明风机发电功率和风速x
‑
y散点图。
33.图2为本发明风机发电功率和风速x
‑
y散点图。
34.图3为本发明风机发电功率和风速x
‑
y散点图。
35.图4为本发明风机发电功率和风速x
‑
y散点图。
36.图5为本发明风机发电功率和风速x
‑
y散点图。
具体实施方式
37.下面结合附图对本发明作进一步详细说明。
38.采集某风电场任意5台风机(#1、#6、#10、#15、#20)的发电功率和风速，采集3天数据，每5秒钟采集一次，每台风机可采集51840组发电功率和风速数组。
39.分别对这5台风机利用最小二乘法进行线性，5台风机的线性公式如下：
40.#1、y＝0.14*x
‑
0.22
41.#6y＝0.15*x
‑
0.44
42.#10y＝0.69*x
‑
1.49
43.#15y＝0.16*x
‑
0.35
44.#20y＝0.15*x
‑
0.32
45.对该类型风机，风机的线性系数正常值为0.15mw.s/m，设定风机的线性系数偏差值为0.015mw.s/m，则可判断出#10风机运行状态有故障。
46.如图1所示：该风机发电功率和风速关系图反映风机运行正常。
47.如图2所示：该风机发电功率和风速关系图反映风机运行正常。
48.如图3所示：该风机发电功率和风速关系图反映风机运行异常。
49.如图4所示：该风机发电功率和风速关系图反映风机运行正常。
50.如图5所示：该风机发电功率和风速关系图反映风机运行正常。


技术特征：
1.一种实时判别风机运行状态的方法，其特征在于，包括以下步骤；步骤1：按一定采集频率f采集任意一台风机在一定时间段δt内的发电功率和风速，得到i台风机在j时刻的发电功率p
i,j
和风速w
i,j
；其中，p
i,j
——j时刻i台风机的发电功率，mw；w
i,j
——j时刻i台风机的风速，m/s。一定时间段δt内发电功率和风速采集次数为：n＝fδt其中，n——i台风机发电功率和风速采集次数，—；f——i台风机发电功率和风速采集频率，次/s；δt——i台风机发电功率和风速采集时间，s。这样，得到i台风机的n组数据(p
i,1
，w
i,1
)，(p
i,2
，w
i,2
)，
…
，(p
i,n
，w
i,n
)；步骤2：利用最小二乘法，对采集的n组数据风机发电功率和风速进行线性拟合，得到i台风机发电功率和风速的线性关系如下：p
i
＝k
i
w
i
c
i
其中，p
i
——i台风机的发电功率，mw；k
i
——i台风机的线性系数，mw.s/m；w
i
——i台风机的风速，m/s；c
i
——i台风机的常数，mw。步骤3：判定i台风机的线性系数k
i
与正常值k0的偏差δk
i
，如果偏差大于设定值δ，则判定风机运行状态有故障：判别依据描述如下：δk
i
＝|k
i
‑
k0|>δ，故障其中，δk
i
——i台风机的线性系数偏差值，mw.s/m；k0——风机的线性系数正常值，mw.s/m；δ——风机的线性系数偏差设定值，mw.s/m。

技术总结
本发明提供一种实时判别风机运行状态的方法，通过实时采集某时间段某台风机发电功率和风速历史数据，并线性拟合得到该台风机的发电功率和风速线性公式的斜率，当该台风机的斜率与设定的正常值偏离某一设定范围时，可判断该台风机的基本运行状态存在问题。该台风机的基本运行状态存在问题。该台风机的基本运行状态存在问题。


技术研发人员：王智微
受保护的技术使用者：西安热工研究院有限公司
技术研发日：2021.07.16
技术公布日：2021/9/24