阅读说明：本技术 一种基于异常检测的风电机组温度预警系统 (wind turbine generator system temperature early warning system based on anomaly detection ) 是由 宋光雄 张蒙 于 2019-08-01 设计创作，主要内容包括：本发明公开了一种基于异常检测的风电机组温度预警系统,其包括：工业大数据平台,包括有风电机组SCADA运行数据模块、实施数据ETL模块,通过对比分析,检测基于异常检测的温度预警,着重进行基于齿轮箱、轴承温度时变数据模型异常检测；监测平台,用于配合工业大数据平台进行风电机组各方位的检测；特征提取平台,用于配合工业大数据平台进行风电机组的各个特征数据提取；温度评估平台,调取工业大数据平台数据和实际风电机组温度数据,对风电机组的温度变化进行评估；温度预测平台,用于配合工业大数据平台的数据,对风电机组的温度进行预测；温度诊断平台,用于配合工业大数据平台的数据,对风电机组的温度进行诊断。(The invention discloses a wind turbine generator temperature early warning system based on anomaly detection, which comprises: the industrial big data platform comprises a wind turbine generator SCADA operation data module and an implementation data ETL module, detects temperature early warning based on abnormal detection through comparative analysis, and emphasizes on abnormal detection based on a gear box and bearing temperature time-varying data model; the monitoring platform is used for matching with an industrial big data platform to detect all directions of the wind turbine generator; the characteristic extraction platform is used for matching with an industrial big data platform to extract each characteristic data of the wind turbine generator; the temperature evaluation platform is used for calling industrial big data platform data and actual wind turbine temperature data and evaluating the temperature change of the wind turbine; the temperature prediction platform is used for predicting the temperature of the wind turbine generator set in cooperation with data of the industrial big data platform; and the temperature diagnosis platform is used for diagnosing the temperature of the wind turbine generator by matching with the data of the industrial big data platform.)

一种基于异常检测的风电机组温度预警系统

技术领域

本发明涉及温度预警技术领域，具体为一种基于异常检测的风电机组温度预警系统。

背景技术

目前，大多数风电机组齿轮箱的故障预警机制较单一，如设定油池温度高于75℃报警，高于80℃停机；传统规程规定，滚动轴承最高温度不超过95℃(阈值)；滑动轴承最高温度不超过80℃(阈值)；温升不超过55℃(阈值) 。行业痛点，工业设备温度异常定量分析监测识别技术严重滞后，长期限于基于阈值判别。实际上，工业生产领域，包括风电机组设备的温度异常普遍存在。设备的温度管理，常常仅限于温度阈值(报警值、停机值)的设定和应用。

近年比较典型的研究工作，包括建立反转轴承生热量计算模型，采用拟动力学分析方法，进行轴承元件间的相互作用分析和轴承生热分析。利用热网格法建立了高速球轴承瞬态热计算模型，研究工况参数对轴承生热量、温度和热诱导载荷的影响规律。研究可靠度、温度、润滑剂和添加剂、表面粗糙度、材料、载荷分布、环向应力和界面滑动对滚动轴承疲劳寿命的影响。滚动体与内外滚道之间的滚动和滑动摩擦、保持架与套圈引导面之间的滑动摩擦、滚动体与保持架兜孔之间的滑动摩擦、滚子端面与挡边之间的滑动摩擦、润滑剂黏性摩擦等。轴承系统内部除了存在自身发热外, 还与系统外部存在相互的热传递过程。如果轴承内产生的热量不能及时有效地散发, 随着热量在轴承内的不断积聚, 则会导致轴承温度异常升高, 润滑油黏度下降。通过对某风电转盘轴承进行加速疲劳寿命试验，分析润滑脂温度、摩擦力矩以及振动加速度信号与故障的关联程度。风电机组SCADA数据分析，表明齿轮箱效率、润滑油温及油品劣化具有对应关系。

齿轮箱、轴承的温度表现不仅与运行过程有关联，同样与损伤发展、故障演化有着密不可分的联系。滚动轴承早期故障存在特征不明显、信号微弱、信噪比低、故障难以识别等特点。对于主轴轴承、齿轮箱低速轴轴承、偏航和变桨轴承，限制了振动监测的效果。齿轮箱低速轴轴承可以采用润滑油液的在线监测方法，但对于主轴轴承、偏航和变桨轴承，多采用润滑脂润滑或润滑脂和润滑油液混合润滑，难以采用在线监测的方法，离线的样品采集往往也难以保证样品参与润滑工作，监测的效果不易保证。因此，开展风电机组齿轮箱及轴承温度预警、预测的研究工作，具有很大的应用发展空间和必要性。

发明内容

为了克服上述问题，本发明提供一种基于异常检测的风电机组温度预警系统。

本发明的技术方案是提供一种基于异常检测的风电机组温度预警系统，其特征在于，其包括：

工业大数据平台，包括有风电机组SCADA运行数据模块、实施数据ETL模块，通过对比分析，检测基于异常检测的温度预警，充分考虑齿轮箱、轴承温度数据动态变化特点，着重进行基于齿轮箱、轴承温度时变数据模型异常检测；

监测平台，用于配合工业大数据平台进行风电机组各方位的检测；

特征提取平台，用于配合工业大数据平台进行风电机组的各个特征数据提取；

温度评估平台，调取工业大数据平台数据和实际风电机组温度数据，对风电机组的温度变化进行评估；

温度预测平台，用于配合工业大数据平台的数据，对风电机组的温度进行预测；

温度诊断平台，用于配合工业大数据平台的数据，对风电机组的温度进行诊断。

进一步的，所述监测平台包括有振动检测模块、噪声检测模块、温度检测模块、压力检测模块、电压检测模块、声发射检测模块。

进一步的，振动数据提取模块、噪声数据提取模块、温度数据提取模块、压力数据提取模块、电压数据提取模块、声发射数据提取模块。

进一步的，所述温度评估平台包括逻辑回归模块、特征映射模块、统计模式识别模块、物理机理模型模块、温度评估模块。

进一步的，所述温度预测平台包括有时间序列模块、复合匹配矩阵模块、温度网络模块、时频域分析模块、温度预测模块。

进一步的，所述温度诊断平台包括有统计诊断模块、时频域诊断模块、信息理论分析模块、集成化诊断模块、温度诊断模块。

本发明的有益效果是：本发明的一种基于异常检测的风电机组温度预警系统基于风电机组SCADA运行数据，研发面向工业大数据平台的风电机组关键部件温度预警系统为风电设备运维决策，提供准确、可靠的有效依据。本发明利用大规模的风电机组SCADA运行数据，优化温度异常检测模型，结合温度异常标准阈值获取方法，充分考虑齿轮箱、轴承温度数据动态变化特点，研究温度预警方法，设计并建立温度预警数据模型，并反复验证、优化齿轮箱、轴承等关键部件温度预警算法；充分结合齿轮箱、轴承等关键部件温度异常发生、发展的规律，研究定义评价指标、制定评价策略，保证温度异常检测量化参数与状态劣化定量评价的一致性，研发关键部件劣化过程定量评价算法，为风电设备运维决策，提供准确、可靠的有效依据。

具体实施方式

为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施例，进一步阐述本发明。

本发明的一种基于异常检测的风电机组温度预警系统，其特征在于，其包括：

工业大数据平台，包括有风电机组SCADA运行数据模块、实施数据ETL模块，通过对比分析，检测基于异常检测的温度预警，充分考虑齿轮箱、轴承温度数据动态变化特点，着重进行基于齿轮箱、轴承温度时变数据模型异常检测；

监测平台，用于配合工业大数据平台进行风电机组各方位的检测；

特征提取平台，用于配合工业大数据平台进行风电机组的各个特征数据提取；

温度评估平台，调取工业大数据平台数据和实际风电机组温度数据，对风电机组的温度变化进行评估；

温度预测平台，用于配合工业大数据平台的数据，对风电机组的温度进行预测；

温度诊断平台，用于配合工业大数据平台的数据，对风电机组的温度进行诊断。

本发明一个较佳实施例中，所述监测平台包括有振动检测模块、噪声检测模块、温度检测模块、压力检测模块、电压检测模块、声发射检测模块。

本发明一个较佳实施例中，振动数据提取模块、噪声数据提取模块、温度数据提取模块、压力数据提取模块、电压数据提取模块、声发射数据提取模块。

本发明一个较佳实施例中，所述温度评估平台包括逻辑回归模块、特征映射模块、统计模式识别模块、物理机理模型模块、温度评估模块。

本发明一个较佳实施例中，所述温度预测平台包括有时间序列模块、复合匹配矩阵模块、温度网络模块、时频域分析模块、温度预测模块。

本发明一个较佳实施例中，所述温度诊断平台包括有统计诊断模块、时频域诊断模块、信息理论分析模块、集成化诊断模块、温度诊断模块。

以上实施例仅为本发明其中的一种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。