法律状态公告日
法律状态信息
法律状态
2020-04-17
授权
授权
2019-03-15
实质审查的生效 IPC(主分类):F03D17/00 申请日:20181108
实质审查的生效
2019-02-19
公开
公开
技术领域
本发明设计了一种基于协整分析的风力发电机齿轮箱状态监测方法。
背景技术
风机的数据采集与监视控制系统(Supervisory Control And DataAcquisition,SCADA)数据中携带着大量的设备状态信息,且均为非平稳、非线性的时间序列,从中提取有用的状态信息困难,提取难度大,提取分析周期长,工作人员劳动强度大,对工作人员的经验以及专业性要求较高,而且分析准确率较低,无法及时、准确、高效的对运行状态进行识别。
发明内容
本发明的目的在于提供一种基于协整分析的风力发电机齿轮箱状态监测方法,利用协整分析计算SCADA所采集的若干个非平稳数据的残差,并通过残差确定风机齿轮箱的运行状态,通过协整分析把对复杂的SCADA数据分析变为简单的残差分析,从残差中提取相关的风机齿轮箱状态信息,有效减少排查时的工作量,提升工作效率,提升状态监测准确率,效果十分明显。
一种基于协整分析的风力发电机齿轮箱状态监测方法,其特征在于:结合数据采集与监视控制系统中的m个一阶单整I(1)的非平稳变量,计算或估计协整参数的滞后长度P,协整系数矩阵A,通过协整计算最终得到一个平稳协整残差ξt(即为残差ξt平稳性检验的ADF值小于1%的临界值),当风机齿轮箱处于异常状态(即为齿轮或轴承磨损、轮齿折断等)时原有协整关系被破坏,协整残差变为非平稳时间序列(残差ξt平稳性检验的ADF值大于1%的临界值),通过降阶协整方法(即为依次排除其中一个非平稳变量)找出破坏协整关系的变量;经过协整分析后,只需对协整残差进行分析即可判断风机的运行状态(残差平稳说明风机运行正常,反之风机运行异常),对m个风机参数建立自回归模型如(1)所示:
其中,yt为m×1的非平稳变量,由m个待检验的非平稳变量组成,
A1……Ap是带估计的m×m参数矩阵,
ξt是协整残差,
P为自回归的滞后阶数,
参数的计算和估计具体包括:
自相关函数的截尾性指当k>p时
令
则式(1)变为
对式(5)使用最小二乘估计得出协整系数A的估计值,
优选地,所述结合数据采集与监视控制系统是用于实时采集风机物理信号的系统。
优选地,非平稳变量包括风速、齿轮箱温度、发电机转速、网侧功率等参数。
本发明的有益效果在于本发明可以简单准确的识别故障变量,进一步实现风机齿轮箱状态监测,求得的参数建立协整模型对其残差进行平稳性检验残差平稳说明模型可靠,利用所建立的协整模型对同一台风机的实时数据进行分析,即可判断风机的运行状态,而且基于协整分析的风力发电机齿轮箱状态监测方法能够实现风机的状态监测,有很好的应用前景。
附表说明
表1为本发明的SCADA原始数据ADF检测结果。
表2为本发明的变量的Johansen检验结果。
表3为本发明对步骤3获得的残差进行ADF检验结果。
表4为本发明对步骤5中获得的残差进行单位根ADF检验结果。
表5为本发明的对步骤7中获得的降阶协整残差进行ADF检验结果。
具体实施方式
协整分析原理如表1所示,协整分析之前首先对变量进行单位根检验,确定被分析的变量为一阶单整I(1)变量,随后进行协整分析,建立协整模型,再利用协整模型对采集到的SCADA数据进行分析得到协整残差,对协整残差进行单位根测试,协整残差平稳则变量满足所建立的协整模型说明风机齿轮箱运行状态正常,反之风机齿轮箱运行异常:
步骤1:从SCADA系统获取的数据中提取一阶单整I(1)序列,为协整分析做准备;
步骤2:从步骤1的数据中提取有协整关系的变量,如表2所示。数据的ADF(ArgumentDickey-Fuller )单位根检测结果如表1;
表1 SCADA原始数据ADF检测结果
表1结果表明SCADA数据在1%置信水平上为一阶单整I(1)序列;
步骤3:对步骤2获得的数据进行协整分析,分析结果如表2所示;
表2 变量的Johansen检验结果
表2中r表示协整关系的个数,由表可知在1%的置信水平上有3个协整关系,得到三个残差序列如表3所示;
步骤4:对步骤3获得的残差进行ADF单位根检测,结果如表3所示;
表3 ADF检验结果
表3中ADF统计量均小于1%临界值表明残差为平稳时间序列。B、C两处为停机状态属正常运行,故短暂的偏离之后又回到了平稳状态;
步骤5:对原始SCADA故障数据如表4所示进行协整分析计算协整残差如表5所示;
步骤6:对步骤5中获得的残差进行单位根测试结果如表4所示;
表4 ADF检验结果
表4中ADF统计量大于1%临界值表明残差非平稳;
步骤7:利用降阶协整的方式,通过协整残差逐个判断各个变量是否异常如表5所示;
步骤8:对步骤7中获得的降阶协整残差进行ADF检验结果如表5所示;
表5 ADF检验结果
表5中残差(a)(c)(d)的ADF统计量均大于1%临界值说明这三个残差是非平稳时间序列而(b)的ADF统计量小于1%临界值说明残差(b)为平稳时间序列。通过分析可知为变量y2发生了故障。
通过上述分析得出经过协整计算之后,仅仅通过残差就可以实现风机齿轮箱状态的监测,从而减小了工作量,且提高了工作精度。
机译: 一种汽车齿轮箱换挡元件的控制方法,包括打开齿轮箱换挡元件以实现变频器的状态解耦,以及基于确定的相交时间点驱动齿轮箱换挡元件
机译: 基于状态的风力发电机组件监测方法及装置
机译: 风力发电机组的状态监测装置,状态监测方法及状态监测系统