专利名称：基于高斯过程建模的风电机组轴系状态监测方法
技术领域：
本发明属于风电机组状态监测领域，尤其涉及一种基于高斯过程建模的风电机组轴系状态监测方法。
背景技术：
据中国风能协会2013年3月发布的“ 2012年中国风电装机容量统计”报告，截至2012年底，我国的风电机组装机容量已位居世界第一位，累计安装风电机组53764台，装机容量75324MW。我国海上风电的发展也开始起步，我国第一个海上风电场上海东海大桥风电场已于2010年并网发电。根据国家“十二五”可再生能源规划，2015年我国海上风电的规模将达到500万千瓦；到2020年，海上风电将达到3000万千瓦。风电机组分布范围广、机舱位置高、运行环境恶劣。特别是海上风电场，机组维护维修与海况等气象因素密切相关。因此，高质量的风电机组运行维护和状态监测是风电产业特别是海上风电稳健快速发展迫切需要解决的关键技术问题之一。有效的风电机组状态监测系统能够实时在线地监测机组的运行状态，及时发现重要部件的异常情况，从以下两方面大幅降低运行维护成本:(1)及早发现机组早期运行异常状态，可以避免严重的设备损坏，降低维护的成本和复杂程度。(2)及早发现机组的早期故障征兆，可以减少维修等待的时间(特别是海上风电机组)，提高机组的可用率。
·
风电机组轴系是风电机组故障率较高的部件，对轴系轴承进行状态监测和故障诊断具有重要的实用价值。现有对风电机组轴系的状态监测和故障诊断是采用振动监测方法，采用常规振动分析方法实现风电机组轴系状态监测和故障诊断存在的缺点是无法适应风电机组运行中的风速随机变化、轴系转速和载荷时变的特点，状态监测的效果差。

发明内容
针对现有风电机组轴系状态监测和故障诊断技术无法适应风电机组运行中的风速随机变化、轴系转速和载荷时变的特点，以及状态监测效果差的问题，本发明提出了一种基于高斯过程建模的风电机组轴系状态监测方法。一种基于高斯过程建模的风电机组轴系状态监测方法，其特征在于，所述方法具体包括步骤:步骤1:从风电机组SCADA系统的历史数据中收集待监测轴承工作正常时的温度和轴承温度相关变量的值，将每一时刻的轴承温度和其相关变量组成一个矢量(Xi, Yi) ；n个时刻的矢量构成轴承温度向量集；其中，Yi为i时刻的轴承温度，Xi为该时刻轴承温度相关变量，包括风速、轴系转速、转矩和环境温度；步骤2:采用高斯过程回归方法在步骤I得到的轴承温度向量集的基础上建立轴承温度模型；步骤3:采用轴承温度模型对轴承进行实时监测，并将实测的轴承温度与轴承温度模型输出的预测温度之间的差作为模型预测残差；步骤4:将步骤3得到的模型预测残差与设定的残差阈值进行比较，当模型预测残差大于残差阈值时，发出轴承异常报警；否则，判定轴承属于正常状态。所述建立轴承温度模型的过程为:设定历史数据集为:(X，Y) = (XpyiIi=I, 2，...，!!};高斯过程回归的协方差函数为:COV (yp, yq)=k(Xp, Xq),^^,k(,)为协方差函数；(Xp，yp)，(Xq, yq)为历史数据集中两组输入输出数据对；高斯过程回归模型的一个新的输入矢量为X%则对应该新输入矢量高斯过程回归模型的预测输出为=Z=K(XU)Kaxr1Y ;其中，K(X*，X)和Κ(Χ，Χ)分别为由协方差函数k(X*，X)和k(X，X)协方差函数构成的协方差矩阵。所述k(Xp，Xq)的确定过程包括:步骤21:采用历史数据作为训练数据集合来确定协方差函数中的待定参数；协方差函数的形式为:
权利要求
1.一种基于高斯过程建模的风电机组轴系状态监测方法，其特征在于，所述方法具体包括步骤: 步骤1:从风电机组SCADA系统的历史数据中收集待监测轴承工作正常时的温度和轴承温度相关变量的值，将每一时刻的轴承温度和其相关变量组成一个矢量(Lyi) ;n个时刻的矢量构成轴承温度向量集；其中，Yi为i时刻的轴承温度，Xi为该时刻轴承温度相关变量，包括风速、轴系转速、转矩和环境温度； 步骤2:采用高斯过程回归方法在步骤I得到的轴承温度向量集的基础上建立轴承温度模型； 步骤3:采用轴承温度模型对轴承进行实时监测，并将实测的轴承温度与轴承温度模型输出的预测温度之间的差作为模型预测残差； 步骤4:将步骤3得到的模型预测残差与设定的残差阈值进行比较，当模型预测残差大于残差阈值时，发出轴承异常报警；否则，判定轴承属于正常状态。
2.根据权利要求1所述的方法，其特征在于，所述建立轴承温度模型的过程为: 设定历史数据集为:^幻={\，7」1=1，2，...，!!};高斯过程回归的协方差函数为:coy (yp, yq)=k(Xp, Xq),^^,k(,)为协方差函数；(Xp，yp)，(Xq, yq)为历史数据集中两组输入输出数据对；高斯过程回归模型的一个新的输入矢量为X%则对应该新输入矢量高斯过程回归模型的预测输出为=Z=K(XU)Kaxr1Y ;其中，K(X*，X)和Κ(Χ，Χ)分别为由协方差函数k(X*，X)和k(X，X)协方差函数构成的协方差矩阵。
3.根据权利要求2所述的方法，其特征在于，所述k(Xp，Xq)的确定过程包括: 步骤21:采用历史数据作为训练数 据集合来确定协方差函数中的待定参数； 协方差函数的形式为: KW)=δ}—〔-汝(X; -X； )2 \ 上 I=IJ 其中，#为信号方差，模型输入矢量为d维，I1, I2，…，Id为对应输入矢量各维的权值系数；(xp) yp)，(xq) yq)为历史数据集中两组输入输出数据对；d为轴承温度模型的输入矢量X维数； 步骤22:设待定参数向量为:Θ;构造以参数向量Θ为变量的似然函数: IrlI I I ΠlogΡ( I Χ,θ) = _ Y^K-1Y_ log|Kv|_ log2^ AtΖλZd 其中，Ρ(Υ|Χ，Θ)为由历史训练数据集构成的似然函数， '(X1,X1)..■ A-(XpXn)-K,= = ΠΧΡ,Χ9):.为由协方差函数构成的协方差矩阵，η为历史数 肌 X1) … 科 x ，x )L据样本数量； 步骤23:给定参数向量Θ的初值，采用历史数据集(X，Y) = (LyiIi=I, 2，...，!!}和最优化方法中的共轭梯度法求解似然函数的最大值，从而得到似然函数最大值对应的参数向量Θ，即高斯过程回归模型的参数。
全文摘要
本发明公开了风电机组状态监测领域的一种基于高斯过程建模的风电机组轴系状态监测方法。其技术方案是，从风电机组SCADA系统的历史数据中收集待监测轴承正常时的温度和轴承温度相关变量的值，构成轴承温度向量集；用高斯过程回归方法建立轴承温度模型；用轴承温度模型对轴承进行实时监测，并将实测的轴承温度与模型输出的预测温度的差作为模型预测残差；模型预测残差与设定的残差阈值比较，当模型预测残差大于残差阈值时，则轴承异常；否则，轴承属于正常状态。本发明的有益效果是在风速随机变化、风电机组轴系转速时变的运行工况下，对机组轴系上的轴承状态进行准确分析和判断，及时发出轴承故障报警，降低维修复杂程度和成本。
文档编号G01M13/04GK103234753SQ201310125609
公开日2013年8月7日 申请日期2013年4月11日 优先权日2013年4月11日
发明者郭鹏 申请人:华北电力大学