风电机组齿轮箱温度趋势状态监测及分析方法(3)

第32期 郭鹏等：风电机组齿轮箱温度趋势状态监测及分析方法 131

D=[X(1)X(2)LX(m)]=

x1(1)x1(2)Lx1(m)

x2

(1)x2(2)Lx2

(m)

M

MM (2) xn(1)xn(2)Lxn(m)

n×m

过程记忆矩阵中的每一列观测向量代表设备的一个正常工作状态。经过合理选择的过程记忆矩阵中的m个历史观测向量所张成的子空间(用D代表)能够代表过程或设备正常运行的整个动态过程。 因此，过程记忆矩阵的构造实质就是对过程或设备正常运行特性的学习和记忆过程。

NSET的输入为某一时刻过程或设备的观测向量Xobs，模型的输出为对该输入的预测向量Xest。对任何一个输入观测向量Xobs，NSET生成一个m维的权值向量为

W=[w1

w2Lwm]T (3)

使得：

Xest=D W=w1 X(1)+w2 X(2)+L+wm X(m) (4) 即NSET模型的预测输出为过程记忆矩阵中m个观测向量的线性组合。权值向量W采用以下方法确定。构造NSET模型输入和输出预测向量的残差为

ε=Xobs Xest (5)

对残差进行极小化，求得权值向量W

[11,14]

为

W=(DT D) 1 (DT Xobs) (6)

式中 为非线性运算符，用来替代普通矩阵运算中的乘法运算。非线性运算符有多种选择[15]，本文选取为两向量间的Euclidean距离，即

(X,Y)=

(7)

该非线性运算符具有直观的物理意义，当两向量相同或相似时，距离为0或接近0；两向量差异越大，其非线性运算的结果越大。式(6)中的权值向量W反映了NSET模型输入观测向量与过程记忆矩阵中各向量的相似性。

将式(6)代入式(4)中，NSET模型对过程或设备预测的最终结果为

XT

1

T

est=D (D D) (D Xobs) (8)

当过程或设备工作正常时，NSET的新输入观测向量位于过程记忆矩阵所代表的正常工作空间内，与D矩阵中的某些历史观测向量距离较近，相

应其NSET的预测值Xest具有很高的精度。当过程或设备工作状态发生变化出现故障隐患时，由于动态特性的改变，输入观测向量将偏离正常工作空间，通过D矩阵中历史观测向量的组合无法构造其对应的精确预测值，导致预测精度下降，残差增大。 2.2 齿轮箱温度NSET建模变量选取

为建立齿轮箱NSET温度模型，需确定观测向量中的建模变量，即与齿轮箱温度密切相关的风电机组参数。通过对机组SCADA记录的47个参数的分析，选择与齿轮箱温度密切相关的以下变量组成观测向量。

1）机组功率(P)；其与齿轮箱温度密切相关，当机组输出功率高时，齿轮箱承受的载荷大，导致齿轮箱温度高。

2）风速(；风是风电机组的能量来源。对于本文研究的变速风电机组，为达到最佳叶尖速比从而实现最大风能追踪的目的，传动系统的转速与风速成正比。风速越大，齿轮箱转速越高，导致齿轮箱温度升高。

3）环境温度(T)；由于该机组所处的环境温度在短期(昼夜)和长期(星期、月)时间尺度上变化很大，环境温度必须作为考虑因素之一。特别是在春季3、4月份，由于大风寒潮等原因，环境温差可达30 ℃。在不同时刻，即使机组的功率和风速相同时，由于环境温度的不同也会导致齿轮箱温度有很大差异。

4）齿轮箱温度自身(TG)；

5）上一时刻齿轮箱温度(TG1)；由于温度参数变化具有较大的惯性，前一时刻的齿轮箱温度对当

前时刻温度有直接影响。

齿轮箱温度NSET模型的时间跨度选取需考虑机组所处位置的气候特点。本文研究机组位于张家口地区，不同季节(如冬季和夏季)环境温度与风速条件有很大差别，因此建模时间跨度不应太大，否则会导致建模精度下降。本文的建模时间跨度为一个月，对某机组2006年4月份的SCADA数据进行分析和处理。该机组从2006/04/01零点到2006/04/06 零点的720个10 min SCADA数据如图2所示。

在此时段，该机组共发生3次停机，如图2功率曲线中的序号所示。各次停机的SCADA记录如表1所示。

需注意的是，对于实际风电机组，报警停机与

搜索“diyifanwen.net”或“第一范文网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读，第一范文网，提供最新资格考试认证风电机组齿轮箱温度趋势状态监测及分析方法(3)全文阅读和word下载服务。