风电机组齿轮箱温度趋势状态监测及分析方法(4)

132

中 国 电 机 工 程 学 报 第31卷

W

M/P

)s/m(/u ℃/T ℃/ GT0时刻

图2 某机组4月1日至6日历史趋势 Fig. 2 Trends from 04/01 0:00 to 04/06 0:00

表1 4月1日至6日机组停机记录 Tab. 1 Shutdown record during 04/01 to 04/06

序号

日期

时间

状态号

停机原因

1 2006/04/02 2:28:43 77 齿轮箱油超温 2 2006/04/02 7:42:13 77 齿轮箱油超温 3 2006/04/03 11:14:35 147

指令停机

设备故障之间没有必然联系。如表1中虽然发生了

2次齿轮箱油超温报警停机，但在该机组4月份及后续月份的SCADA记录和运行日志中未发现齿轮箱故障和维修的记录。部分报警停机属于机组自身的保护功能。在4月份，齿轮箱工作正常，无超温或其他故障。4月份的10 min记录共计4320个。其中有效记录即机组输出功率大于零的记录共计

3 731个。利用4月份齿轮箱正常工作状态下的有效10 min历史记录建立齿轮箱NSET温度模型。当过程记忆矩阵D构造完成后，即可按图3所示对新的输入观测向量进行预测和残差分析，监测齿轮箱的运行状态，发现其故障隐患。

图3 NSET模型齿轮箱温度趋势状态监测

Fig. 3 Condition monitoring for gearbox using NSET model

2.3 过程记忆矩阵D的构造

在使用SCADA历史数据构造过程记忆矩阵和预测输出前，由于NSET温度模型所选择的5个变

量的量纲不同，且不同变量数据绝对值相差很大，为保证使用非线性算子正确衡量不同观测向量之间的距离，需要对5个变量的测量值根据各自的极值进行归一化处理，使实际测量值映射到[0 1]区间。对于风速变量，由于机组的切入风速为3 m/s，额定风速为12 m/s，因此风速的最小值和最大值分别为3和12。高于12 m/s和低于3 m/s的风速应分别对应为12和3。

过程记忆矩阵的构造需要使其内部的m个观测向量X(1), X(2),…,X(m)能够尽量覆盖齿轮箱正常工作空间。记机组4月份有效的历史观测向量集 合为

K=[XN(1)XN(2)LXN(M)]=

xN1(1)xN1(2)LxN1(M)

xNN2(1)x2(2)LxN

2(M) MMM (9) xN5(1)xN5(2)LxN

5(M) 5×M集合中观测向量的数量为M=3 731。每个观测向量包括功率、风速、环境温度、齿轮箱温度、上一时刻齿轮箱温度5个值，将其分别记为x1, x2,…,

x5，即式(1)中n=5。

齿轮箱正常工作空间的每一个观测向量由5个变量组成，且其观测值已被归一化。对每一个变量，将[0 1]之间等分为100份，以0.01为步距从集合K中查找出若干个观测向量加入矩阵D中。以机组功率x1为例，向过程矩阵D中添加观测向量的方法如图4所示。

图中δ为一小的正数。对剩余的4个变量，均采用与图4相同的流程以0.01为步距从集合K中

图4 根据功率变量x1构造过程记忆矩阵 Fig. 4 Memory matrix construction as to x1

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(4)全文阅读和word下载服务。