能源大数据之联合动力机组齿轮箱故障预警能源行业大数据应用案例-能源大数据-智慧能源

能源大数据之联合动力机组齿轮箱故障预警

浏览：次

一、项目背景
伴随着经济的发展，全球能源危机环境危机日益凸显，风能以其成本低、清洁、安全、可再生等优点越来越受到世界各国的重视，所以近几年以来风力发电得到快速发展。然而风电机组常处于恶劣的环境中极易出现运行故障，其中齿轮箱是整个风电机组发生故障概率最高的部件，据统计风电机组60%以上的故障都发生于齿轮箱部位。因此能迅速、准确地对齿轮箱故障预警，对降低风电场的运维成本、提高风电场的经济效益、提高风电机组运行的可靠性具有重要意义。

二、问题与挑战
1、机组类型不同。从业务角度来说，存在三种不同容量的机组，且设计和运行参数会有一定的差异，为了发现不同类型机组齿轮箱故障的特征，保证故障模型的准确率，需要对机组进行分类。
2、用于分析的多个变量间会存在较多的信息重复。机组运行的参数数据很多，若直接用来分析，会导致模型复杂，同时可能会引起模型较大误差，因此要初步探索数据间的相关性，剔除重复因素。
3、时间因素的损失。故障发生虽说只是一个时间点，但在故障发生的前一段时间就已经有某些特性的改变，因此在进行故障预测时，可将故障发生前一段时间都标记为故障。

三、解决方案
基于联合动力机组的设计原理，进行机组类型划分，在此基础上，针对不同类型的机组，利用机器学习算法，分析与联合动力机组齿轮箱故障相关的影响因素，构建机组齿轮箱故障预警分类模型。

机组类型划分

从机理和业务角度对机组进行类型划分。机组数据一致、传感器位置一致则划分为同一种类型。

机组运行参数相关性分析

在机组分类的基础上，分别针对不同的机组进行参数相关性分析，实现数据降维。

齿轮箱故障预测

基于各类型机组，利用有监督的二分类算法对机组齿轮箱是否发生故障进行分类，从而预测机组齿轮箱故障发生的概率。利用有监督的多分类算法对机组故障类型进行分类，从而预测机组发生的故障类别。

四、应用价值

预警联合动力机组齿轮箱故障
保证联合动力机组可靠运行
推动风力发电技术发展

五、相关案例
某风电公司联合动力机组齿轮箱故障预警模型开发项目

风电机组性能劣化预警

变压器油色谱浓度预测及故障智能诊断分析

推荐新闻

联系我们

扫码关注我们

扫码立即咨询