能源大數據之聯合動力機組齒輪箱故障預警
2019-01-10 09:21:05
次
一、項目背景
伴隨著經濟的發展,全球能源危機環境危機日益凸顯,風能以其成本低、清潔、安全、可再生等優點越來越受到世界各國的重視,所以近幾年以來風力發電得到快速發展。然而風電機組常處于惡劣的環境中極易出現運行故障,其中齒輪箱是整個風電機組發生故障概率最高的部件,據統計風電機組60%以上的故障都發生于齒輪箱部位。因此能迅速、準確地對齒輪箱故障預警,對降低風電場的運維成本、提高風電場的經濟效益、提高風電機組運行的可靠性具有重要意義。
二、問題與挑戰
1、機組類型不同。從業務角度來說,存在三種不同容量的機組,且設計和運行參數會有一定的差異,為了發現不同類型機組齒輪箱故障的特征,保證故障模型的準確率,需要對機組進行分類。
2、用于分析的多個變量間會存在較多的信息重復。機組運行的參數數據很多,若直接用來分析,會導致模型復雜,同時可能會引起模型較大誤差,因此要初步探索數據間的相關性,剔除重復因素。
3、時間因素的損失。故障發生雖說只是一個時間點,但在故障發生的前一段時間就已經有某些特性的改變,因此在進行故障預測時,可將故障發生前一段時間都標記為故障。
三、解決方案
基于聯合動力機組的設計原理,進行機組類型劃分,在此基礎上,針對不同類型的機組,利用機器學習算法,分析與聯合動力機組齒輪箱故障相關的影響因素,構建機組齒輪箱故障預警分類模型。
從機理和業務角度對機組進行類型劃分。機組數據一致、傳感器位置一致則劃分為同一種類型。
在機組分類的基礎上,分別針對不同的機組進行參數相關性分析,實現數據降維。
基于各類型機組,利用有監督的二分類算法對機組齒輪箱是否發生故障進行分類,從而預測機組齒輪箱故障發生的概率。利用有監督的多分類算法對機組故障類型進行分類,從而預測機組發生的故障類別。
四、應用價值
- 預警聯合動力機組齒輪箱故障
- 保證聯合動力機組可靠運行
- 推動風力發電技術發展
五、相關案例
某風電公司聯合動力機組齒輪箱故障預警模型開發項目