一种变桨系统故障预警逻辑识别算法

摘要

一种变桨系统故障预警逻辑识别算法，包括对变桨控制系统内部子系统故障的预判和对被变桨系统驱动的相关子系统的预判；其中对变桨控制系统内部子系统故障的预判具体包括：对变桨驱动电机温度传感器的预判，对变桨电机冷却系统的预判，对变桨系统编码器的故障进行判断和对滑环通讯的健康质量进行预判；对被变桨系统驱动的相关子系统的预判具体包括对传动系统的减速机及旋转支持进行预判、对叶片确认叶片是否安装正确，结合以上两部分的数据，可以精准定位哪个桨叶出现了问题，并提前告知运维人员，本发明克服了现有技术的不足，通过大数据平台对整体的运算分析，可以有效的提示运维人员对风场的特定风机进行专项定检及预防处理。

说明书

技术领域

本发明涉及变桨系统故障预警技术领域，具体涉及一种变桨系统故障预警逻辑识别算法。

背景技术

随着风能在我国接近20年的高速发展，已经出现大量在役的风力发电设备。据不完全统计，目前并网运行采用变频变桨方式的兆瓦级风机超过11万台。而在多年的发展过程中，所有的厂家及设备供应商都在关注设备本身的技术发展以及经济性上的迭代研究。以控制风机功率调节，涉及到整机安全性的变桨系统为例，原先各个厂家侧重开发驱动能力更强、控制精度更加搞的变桨系统，并且在保证设备性能的基础上，让设备成本可以合理的降低。但是随着原有设备长时间运行，设备的可靠性给风机的安全性及发电小时数的影响就日益突出，目前这方面的研究仍然较少。

对于风力发电机组的实际运营者来说在长达20年的生命周期中，更加需要关注的是风机系统的可靠运行，然后现在故障检测系统都是提示已发生的故障，对设备存在的潜在故障没有一个预警的提示。正因为这样的方式，导致业主无法实现预防性的维护工作，或者提前准备相应的维修物料，使得因为故障停机导致的发电量损失增大。

发明内容

针对现有技术的不足，本发明提供了一种变桨系统故障预警逻辑识别算法，克服了现有技术的不足，通过大数据平台对整体的运算分析，可以有效的提示运维人员对风场的特定风机进行专项定检及预防处理。

为实现以上目的，本发明通过以下技术方案予以实现：

一种变桨系统故障预警逻辑识别算法，包括对变桨控制系统内部子系统故障的预判和对被变桨系统驱动的相关子系统的预判；其中，

对变桨控制系统内部子系统故障的预判具体包括以下步骤：

步骤S11：对变桨驱动电机温度传感器的预判，分析秒级数据时，发现24小时内，出现X

步骤S12：对变桨电机冷却系统的预判，分析秒级数据时，对比3个桨叶的1秒数据查看温度并监视风扇开启情况，当风扇开启后，温度出现类似正弦波动方式时，判断风扇正常；当有一个驱动轴温度偏差值大于X

步骤S13：对变桨系统编码器的故障进行判断；通过对运行数据的分析，通过计算主控命令桨角和A/B编码器反馈的位置，进行对比，以判断编码器是否正常；

步骤S14：对滑环通讯的健康质量进行预判，通过对比发送数据，和应答数据的内容，计算出一个数据正确的比例来识别出，滑环是否需要准备维护；

对被变桨系统驱动的相关子系统的预判具体包括以下步骤：

步骤S21：对传动系统的减速机及旋转支持进行预判，通过从变桨速度、转矩、启动时间、叶片温度这4个维度来分析传动链是否已经出现异常；

步骤S22：对叶片确认叶片是否安装正确；

步骤S23：从重合的桨叶范围中确定有问题的桨叶。

优选地，所述步骤S13对变桨系统编码器的故障进行判断，包括编码器设备故障判断和编码器线缆故障或需要校准。

优选地，所述编码器设备故障判断具体包括以下步骤：

步骤S131：当叶片的目标位置和叶片所对应的编码器值出现差值大于X

优选地，所述编码器线缆故障判断或需要校准断具体包括以下步骤：

步骤S132：当叶片的编码器值每一秒值变化超过X

步骤S133：当叶片的目标位置和叶片对应的编码器值出现差值大于X

其中，X

优选地，所述步骤S21对传动系统的减速机及旋转支持进行预判，具体包括以下步骤：

步骤S211：变桨收到运行指令进行运转；

步骤S212：对比3个轴的运行速度，如相同，则判断系统正常；如不相同，则进行下一步骤；

步骤S213：判断转矩是否在合理范围内；如是，则检测异常的传动机构；如否，则进行下一步骤；

步骤S214：计算变桨启动时间是否在规定时间内；若否，则需要停机检测。

优选地，所述步骤S22对叶片确认叶片是否安装正确，具体通过变桨系统在电磁悬停工况和定速变桨工况下，识别叶片的角度是否存在偏差。

优选地，所述电磁悬停工况下的判断方法具体为：在风机在将运行时，3个电机的负载随着叶片相位的变化，产生类似正弦的波动时，如果有幅值超过平均水平或者低于平均水平，则判断有桨叶的收到的力出现了不平衡的现象。

优选地，所述定速变桨工况下的判断方法具体为：

步骤S221：统计连续5天的运行秒级数据，且数据需要满足以下条件：不限功率运行时间需要超过X

步骤S222：对比基准运行工况表，有大于X

步骤S223：计算风机不限制功率工况下，3个变桨电机持续运行30分钟变桨电机平均值，选取平均值电流最大I

其中X

本发明提供了一种变桨系统故障预警逻辑识别算法。具备以下有益效果：通过建立各种故障模式模型，可以对整个场站的数据进行了一个可视化及量化的分析，并且量化的数据在这个模型下可以自动学习，用来匹配不同的风场。通过将整个场站的运行数据进行了一个高效的存储，可以周期性的对整个风场的变桨系统进行分析，并提供一个准确的量化标准，对设备的维护提供准确的建议，以有效的提示运维人员对风场的特定风机进行专项定检及预防处理。

附图说明

为了更清楚地说明本发明或现有技术中的技术方案，下面将对现有技术描述中所需要使用的附图作简单地介绍。

图1本发明中温度传感器检测的温升曲线图；

图2本发明中变桨电机冷却系统的温升曲线图；

图3本发明中变桨速度随时间的变化图；

图4本发明中转矩随时间的变化图；

图5本发明中启动时间的曲线图；

图6本发明中电机温度随时间的变化图；

图7本发明中电机负载随着叶片相位的变化图；

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述。

如图1-7所示，一种变桨系统故障预警逻辑识别算法，包括对变桨控制系统内部子系统故障的预判和对被变桨系统驱动的相关子系统的预判；

其中，对于变桨控制系统内部子系统故障的预判，具体包括以下步骤：

步骤S11：对变桨驱动电机温度传感器的预判，变桨电机中一般会安装2个温度传感器进行冗余检测，对变桨电机进行冗余保护。其中一路输出到变桨控制器中，另外一路接入变桨驱动器中。正常情况下，温度信号不会出突变情况，并且会在一个合理的范围之内。软件通过判断桨叶运行状态，通过对实时的运行数据进行对比，当出现温度阶跃模式的跳动时，可以识别出传感器已经出现异常，这个时候可能因为的温差没有到达阈值，或者出现时间较短，没有达到停机的条件，但是这个时候已经充分说明温度传感器已经出现了故障。

判断条件如下：

分析秒级数据时，发现24小时内，出现2次间隔1秒的温度数据差值大于5度，则判断温度传感器或者线缆存在异常，导致变桨电机采集温度异常。

步骤S12：对变桨电机冷却系统的预判，在变桨电机不断的运行过程中，当持续在额定转速转矩曲线以下运行时，电机最终会在一个温度范围中，达到热平衡的状态。在电机温升的过程中，电机温度超过40摄氏度时，电机的冷却风速会被开启，这个时候电机的温度会被明显抑制，且当电机冷却到回差温度以下时，变桨电机温度会出现明显的下降，当通过对数据分析后，我们可以从温升曲线上去识别出来，变桨电机的风速是否出现冷却效率下降或者彻底损坏。

判断条件如下：

分析秒级数据时，对比3个桨叶的1秒数据查看温度并监视风扇开启情况，当风扇开启后，温度出现类似正弦波动方式时，判断风扇正常；当有一个驱动轴温度偏差值大于10摄氏度时，且在24小时内同一个轴重复出现2次类似的情况时，判断当前电机出现了故障。

步骤S13：对变桨系统编码器的故障进行判断；做为变桨系统的位置传感器，一套变桨系统控制3个桨叶，每个桨叶都采用了冗余设计，并配备了2个编码器。一套系统中共采用了6个编码器。因此这个做。为一个比较关键的故障点，经常导致变桨系统的故障停机。正常情况下当一个编码器故障后，系统会自动切换到另外一个编码器上，可以允许一定程度上的“带病运行”。因此通过对运行数据的分析，通过计算主控命令桨角和A/B编码器反馈的位置，进行对比，可以提早发现编码器是否正常。

而对变桨系统编码器的故障判断分为编码器设备故障判断和编码器线缆故障或需要校准。

编码器设备故障的判断条件如下：

1、判断叶片1A编码器故障：

当叶片1的目标位置(DR)和叶片1A编码器值(DV)出现差值大于1度，且时间超过3妙，且叶片1A编码器值保持5秒不变；则判断编码器或编码器线束故障。

2、判断叶片1B编码器故障：

当叶片1的目标位置(DR)和叶片1A编码器值(DY)出现差值大于1度，且时间超过3妙，且叶片1B编码器值保持5秒不变；则判断编码器或编码器线束故障。

3、判断叶片2A编码器故障：

当叶片2的目标位置(DS)和叶片2A编码器值(DW)出现差值大于1度，且时间超过3妙，且叶片2A编码器值保持5秒不变；则判断编码器或编码器线束故障。

4、判断叶片2B编码器故障：

当叶片2的目标位置(DS)和叶片2A编码器值(DZ)出现差值大于1度，且时间超过3妙，且叶片2B编码器值保持5秒不变；则判断编码器或编码器线束故障。

5、判断叶片3A编码器故障：

当叶片3的目标位置(DT)和叶片3A编码器值(DX)出现差值大于1度，且时间超过3妙，且叶片3A编码器值保持5秒不变；则判断编码器或编码器线束故障。

6、判断叶片3B编码器故障：

当叶片3的目标位置(DT)和叶片3A编码器值(EA)出现差值大于1度，且时间超过3妙，且叶片3B编码器值保持5秒不变；则判断编码器或编码器线束故障。

编码器线缆故障判断或需要校准的的判断条件如下：

1、判断叶片1A编码器值是否跳变：

当叶片1A编码器值(DV)每一秒值变化超过9度；且在600妙的时间段内出现2次；则判断编码器或编码器线束故障导致角度跳变；

2、判断叶片1B编码器值是否跳变：

当叶片1B编码器值(DY)每一秒值变化超过9度；且在600妙的时间段内出现2次；则判断编码器或编码器线束故障导致角度跳变；

3、判断叶片2A编码器值是否跳变：

当叶片2A编码器值(DW)每一秒值变化超过9度；且在600妙的时间段内出现2次；则判断编码器或编码器线束故障导致角度跳变；

4、判断叶片2B编码器值是否跳变：

当叶片2B编码器值(DZ)每一秒值变化超过9度；且在600妙的时间段内出现2次；则判断编码器或编码器线束故障导致角度跳变；

5、判断叶片3A编码器值是否跳变：

当叶片3A编码器值(DX)每一秒值变化超过9度；且在600妙的时间段内出现2次；则判断编码器或编码器线束故障导致角度跳变；

6、判断叶片3B编码器值是否跳变：

当叶片3B编码器值(EA)每一秒值变化超过9度；且在600妙的时间段内出现2次；则判断编码器或编码器线束故障导致角度跳变；

7、判断叶片1A编码器值是否校准：

当叶片1的目标位置(DR)和叶片1A编码器值(DV)出现差值大于5秒；且叶片1A编码器值(DV)每一秒值变化小于等于9度；则说明编码器需要进行校准；

8、判断叶片1B编码器值是否校准：

当叶片1的目标位置(DR)和叶片1B编码器值(DY)出现差值大于5秒；且叶片1B编码器值(DY)每一秒值变化小于等于9度；则说明编码器需要进行校准；

9、判断叶片2A编码器值是否校准：

当叶片2的目标位置(DS)和叶片2A编码器值(DW)出现差值大于5秒；且叶片2A编码器值(DW)每一秒值变化小于等于9度；则说明编码器需要进行校准；

10、判断叶片2B编码器值是否校准：

当叶片2的目标位置(DS)和叶片2B编码器值(DZ)出现差值大于5秒；且叶片2B编码器值(DZ)每一秒值变化小于等于9度；则说明编码器需要进行校准；

11、判断叶片3A编码器值是否校准：

当叶片3的目标位置(DT)和叶片3A编码器值(DX)出现差值大于5秒；且叶片3A编码器值(DX)每一秒值变化小于等于9度；则说明编码器需要进行校准；

12、判断叶片2B编码器值是否校准：

当叶片3的目标位置(DT)和叶片3B编码器值(EA)出现差值大于5秒；且叶片3B编码器值(EA)每一秒值变化小于等于9度；则说明编码器需要进行校准。

步骤S14：对滑环通讯的健康质量进行预判，变桨系统在运行的过程中，不停的会有运行数据及控制命令和风机主控控制器之间进行交互数据。在这个过程中，因为风机时刻在旋转，这时需要滑环来信号传递的硬接线进行转换。所以做为一个旋转部件，长时间运行后，因为刷真磨损，会使得通讯质量下降落，出现丢包，错报的现象。因此，本发明通过对比发送数据，和应答数据的内容，计算出一个数据正确的比例来识别出，滑环是否需要准备维护。防止因为通讯故障导致的停机。

另外，对被变桨系统驱动的相关子系统的预判，具体包括以下步骤：

步骤S21：对传动系统的减速机及旋转支持进行预判，通过从变桨速度、转矩、启动时间、叶片温度这4个维度来分析传动链是否已经出现异常；具体包括以下步骤：

步骤S211：变桨收到运行指令进行运转；

步骤S212：对比3个轴的运行速度，如相同，则判断系统正常；如不相同，则进行下一步骤；

步骤S213：判断转矩是否在合理范围内；如是，则检测异常的传动机构；如否，则进行下一步骤；

步骤S214：计算变桨启动时间是否在规定时间内；若否，则需要停机检测。

步骤S22：对叶片确认叶片是否安装正确；由于风机的功率控制都是由变桨系统驱动桨叶完成的，所以3个桨叶的安装角度需要一致，这样才能确保功率控制的准确性。但是因为机械安装以及“0度”校准过程中出现的偏差，会导致3个桨叶的位置一致性变差，这会给风机的功率控制带来负面影响。

本发明通过变桨系统在特定的“电磁悬停”以及“定速变桨”工况两种工况下，来识别叶片的角度是否存在偏差。

其中电磁悬停工况下的判断方法具体为：在风机在将运行时，3个桨叶定桨在相同的位置上，正常情况下，3个电机的负载会随着叶片相位的变化，产生类似正弦的波动，但是幅值会在一个比较相近的水平以内。如果有幅值超过平均水平或者低于平均水平，就说明有桨叶的收到的力出现了不平衡的现象。

定速变桨工况主要通过软件的大数据分析风机在12个风速段的负载情况，可以有效计算叶片的正常负载情况。

其判断条件如下：

步骤S221：统计连续5天的运行秒级数据，且数据需要满足以下条件：不限功率运行时间需要超过100小时，计算变桨电机电流平均值；且运行在大于等于12个风速段中(每个风速段需要大于100个采集点算有效)；(其中，不限功率状态可以参考以下逻辑：风速介于3.5～13.5m/s之间时，桨距角小于2度；风速大于13.5m/s时，功率大于1350kw)。

步骤S222：对比基准运行工况表，有大于4个异常点大于阈值1.2范围则判定变桨负载存在潜在异常；基准运行工况表如下表1所示：

表1变桨电机基准运行电流表

步骤S223：在满足步骤S222的基础上，计算风机不限制功率工况下，3个变桨电机持续运行30分钟变桨电机平均值(电机电流不是0)，选取平均值电流最大I

步骤S23：结合以上两部分的数据，可以精准定位哪个桨叶出现了问题，并提前告知运维人员。

在本发明中，通过建立各种故障模式模型，可以对整个场站的数据进行了一个可视化及量化的分析，并且量化的数据在这个模型下可以自动学习，用来匹配不同的风场。通过MySQL技术，将整个场站的运行数据，进行了一个高效的存储，合理管理这宝贵的数字化资产。通过这两项目技术，可以周期性的对整个风场的变桨系统进行分析，并提供一个准确的量化标准，对设备的维护提供准确的建议。

并通过将变桨与主控连接起来，让大家传感器的数据可以实时的上传给风机主控控制器。然后通过光纤环网技术，将每一台独立的风机全部串联起来，因为采用了环网的技术路线，可以确保当一路光纤断开后，有冗余通道将风机数据上传，并不影响其他的风机。比传统的链式连接更加有效及可靠。通过光纤将所有风机的数据，都上传到了服务器，一方面可以有效的保存数据，另一方面在复位器中进行数据处理，不占用风机主控宝贵的算力。

以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。