本發(fā)明涉及風(fēng)電機(jī)組故障預(yù)警技術(shù)領(lǐng)域，特別是涉及基于深度神經(jīng)網(wǎng)絡(luò)的風(fēng)電機(jī)組齒輪箱故障監(jiān)測(cè)方法及系統(tǒng)。

背景技術(shù)：

隨著風(fēng)電場(chǎng)使用年限的增加，風(fēng)電場(chǎng)運(yùn)維成本控制變得更加重要。風(fēng)電機(jī)組的幾個(gè)主要子系統(tǒng)，如齒輪箱、發(fā)電機(jī)、軸承等，都是狀態(tài)監(jiān)測(cè)和故障預(yù)警的主要應(yīng)用對(duì)象。隨著故障提前預(yù)警，風(fēng)電場(chǎng)運(yùn)營(yíng)人員可以通過(guò)有效調(diào)整運(yùn)行方式，提前進(jìn)行設(shè)備維護(hù)更換，能顯著降低運(yùn)營(yíng)成本。對(duì)于占有風(fēng)電機(jī)組大部分成本份額的齒輪箱，發(fā)生故障會(huì)造成過(guò)多的停機(jī)時(shí)間，因此，精準(zhǔn)并且高效的齒輪箱故障檢測(cè)模型的開(kāi)發(fā)是必不可少的。

齒輪箱故障監(jiān)測(cè)的傳統(tǒng)方法是通過(guò)對(duì)一定頻率范圍內(nèi)的振動(dòng)信號(hào)分析實(shí)現(xiàn)的，但需要對(duì)監(jiān)測(cè)齒輪箱逐一加裝振動(dòng)傳感器，該方法由于施工麻煩、成本過(guò)高而很難被風(fēng)電行業(yè)廣泛應(yīng)用。

近年來(lái)，scada數(shù)據(jù)監(jiān)測(cè)齒輪箱狀態(tài)的方法也已經(jīng)被予以應(yīng)用，基于scada數(shù)據(jù)的齒輪箱故障監(jiān)測(cè)理念，是通過(guò)連接風(fēng)電機(jī)組的scada系統(tǒng)將齒輪箱傳感器采集到的實(shí)時(shí)狀態(tài)數(shù)據(jù)進(jìn)行模型監(jiān)測(cè)，達(dá)到齒輪箱預(yù)警目的，該方法較采集振動(dòng)信號(hào)的方式更加低成本，具有高實(shí)用性。監(jiān)測(cè)時(shí)齒輪箱潤(rùn)滑油油溫是齒輪箱的主要監(jiān)測(cè)指標(biāo)，但齒輪箱油溫容易受到周圍環(huán)境及噪聲的影響，從而影響監(jiān)測(cè)結(jié)果。因此，亟待發(fā)展一種新的風(fēng)電機(jī)組齒輪箱故障監(jiān)測(cè)方法，使之能夠避免監(jiān)測(cè)結(jié)果受外界環(huán)境影響，提高齒輪箱故障監(jiān)測(cè)結(jié)果的準(zhǔn)確性。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的是提供基于深度神經(jīng)網(wǎng)絡(luò)的風(fēng)電機(jī)組齒輪箱故障監(jiān)測(cè)方法及系統(tǒng)，所述的方法及系統(tǒng)能夠及時(shí)有效地監(jiān)測(cè)齒輪箱故障，監(jiān)測(cè)結(jié)果受外界環(huán)境影響小，準(zhǔn)確性高。

為實(shí)現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案：

基于深度神經(jīng)網(wǎng)絡(luò)的風(fēng)電機(jī)組齒輪箱故障監(jiān)測(cè)方法，包括以下步驟：a.獲取風(fēng)電機(jī)組scada實(shí)時(shí)數(shù)據(jù)中的齒輪箱狀態(tài)相關(guān)數(shù)據(jù)，包括齒輪箱潤(rùn)滑油壓力、齒輪箱潤(rùn)滑油溫度、齒輪箱軸承溫度和機(jī)組輸出功率；b.將所述齒輪箱潤(rùn)滑油溫度、齒輪箱軸承溫度和機(jī)組輸出功率輸入基于深度神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)模型，獲得預(yù)測(cè)模型輸出的齒輪箱潤(rùn)滑油壓力的預(yù)測(cè)值；c.計(jì)算齒輪箱潤(rùn)滑油壓力的實(shí)際值與齒輪箱潤(rùn)滑油壓力的預(yù)測(cè)值之間的擬合誤差；d.監(jiān)視所述擬合誤差以判斷所述風(fēng)電機(jī)組的齒輪箱狀態(tài)，并在判斷為故障狀態(tài)時(shí)觸發(fā)警報(bào)。

作為進(jìn)一步地改進(jìn)，所述步驟b中的預(yù)測(cè)模型通過(guò)以下步驟構(gòu)建：獲取風(fēng)電場(chǎng)正常風(fēng)電機(jī)組的scada數(shù)據(jù)中的齒輪箱狀態(tài)相關(guān)數(shù)據(jù)，建立訓(xùn)練數(shù)據(jù)集，所述齒輪箱狀態(tài)相關(guān)數(shù)據(jù)包括齒輪箱潤(rùn)滑油壓力pl、齒輪箱潤(rùn)滑油溫度t0、齒輪箱軸承溫度ts和機(jī)組輸出功率p0；基于深度神經(jīng)網(wǎng)絡(luò)建立如下預(yù)測(cè)模型：其中，表示模型輸出值，即齒輪箱潤(rùn)滑油壓力的預(yù)測(cè)值；利用所述訓(xùn)練數(shù)據(jù)集中的數(shù)據(jù)，對(duì)所述預(yù)測(cè)模型進(jìn)行訓(xùn)練，獲得模型參數(shù)。

所述步驟c中的擬合誤差采用相對(duì)誤差e表示，通過(guò)下式計(jì)算：式中表示齒輪箱潤(rùn)滑油壓力的預(yù)測(cè)值，pl表示齒輪箱潤(rùn)滑油壓力的實(shí)際值。

所述步驟d中通過(guò)采用ewma控制圖監(jiān)視所述的擬合誤差。

所述步驟d中當(dāng)所述擬合誤差連續(xù)一段時(shí)間超出ewma控制圖的上下限時(shí)判斷所述風(fēng)電機(jī)組的齒輪箱為故障狀態(tài)。

基于深度神經(jīng)網(wǎng)絡(luò)的風(fēng)電機(jī)組齒輪箱故障監(jiān)測(cè)系統(tǒng)，包括：數(shù)據(jù)獲取模塊，用于獲取風(fēng)電機(jī)組scada實(shí)時(shí)數(shù)據(jù)中的齒輪箱狀態(tài)相關(guān)數(shù)據(jù)，包括齒輪箱潤(rùn)滑油壓力、齒輪箱潤(rùn)滑油溫度、齒輪箱軸承溫度和機(jī)組輸出功率；模型計(jì)算模塊，用于將所述齒輪箱潤(rùn)滑油溫度、齒輪箱軸承溫度和機(jī)組輸出功率輸入基于深度神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)模型，獲得預(yù)測(cè)模型輸出的齒輪箱潤(rùn)滑油壓力的預(yù)測(cè)值；誤差計(jì)算模塊，用于計(jì)算齒輪箱潤(rùn)滑油壓力的實(shí)際值與齒輪箱潤(rùn)滑油壓力的預(yù)測(cè)值之間的擬合誤差；預(yù)警模塊，用于監(jiān)視所述擬合誤差以判斷所述風(fēng)電機(jī)組的齒輪箱狀態(tài)，并在判斷為故障狀態(tài)時(shí)觸發(fā)警報(bào)。

作為進(jìn)一步地改進(jìn)，所述預(yù)測(cè)模型通過(guò)以下步驟構(gòu)建：獲取風(fēng)電場(chǎng)正常風(fēng)電機(jī)組的scada數(shù)據(jù)中的齒輪箱狀態(tài)相關(guān)數(shù)據(jù)，建立訓(xùn)練數(shù)據(jù)集，所述齒輪箱狀態(tài)相關(guān)數(shù)據(jù)包括齒輪箱潤(rùn)滑油壓力pl、齒輪箱潤(rùn)滑油溫度t0、齒輪箱軸承溫度ts和機(jī)組輸出功率p0；基于深度神經(jīng)網(wǎng)絡(luò)建立如下預(yù)測(cè)模型：其中，表示模型輸出值，即齒輪箱潤(rùn)滑油壓力的預(yù)測(cè)值；利用所述訓(xùn)練數(shù)據(jù)集中的數(shù)據(jù)，對(duì)所述預(yù)測(cè)模型進(jìn)行訓(xùn)練，獲得模型參數(shù)。

所述擬合誤差采用相對(duì)誤差e表示，通過(guò)下式計(jì)算：式中表示齒輪箱潤(rùn)滑油壓力的預(yù)測(cè)值，pl表示齒輪箱潤(rùn)滑油壓力的實(shí)際值。

所述預(yù)警模塊通過(guò)采用ewma控制圖監(jiān)視所述的擬合誤差。

所述預(yù)警模塊在當(dāng)所述擬合誤差連續(xù)一段時(shí)間超出ewma控制圖的上下限時(shí)判斷所述風(fēng)電機(jī)組的齒輪箱為故障狀態(tài)。

由于采用上述技術(shù)方案，本發(fā)明至少具有以下優(yōu)點(diǎn)：

(1)本發(fā)明采用從被周圍環(huán)境影響較小的齒輪箱潤(rùn)滑油油壓指標(biāo)入手，通過(guò)運(yùn)用神經(jīng)網(wǎng)絡(luò)算法，為監(jiān)測(cè)齒輪箱油壓進(jìn)行建模，并通過(guò)監(jiān)視擬合誤差對(duì)齒輪箱狀態(tài)進(jìn)行監(jiān)測(cè)，監(jiān)測(cè)結(jié)果受外界環(huán)境影響小，準(zhǔn)確性高，能夠?qū)崿F(xiàn)及時(shí)有效地監(jiān)測(cè)齒輪箱故障。

(2)齒輪箱狀態(tài)預(yù)測(cè)模型考慮了三個(gè)齒輪箱狀態(tài)相關(guān)變量參數(shù)to,ts,po，不僅體現(xiàn)了對(duì)齒輪箱潤(rùn)滑油油壓指標(biāo)的監(jiān)測(cè)，也體現(xiàn)了對(duì)此三個(gè)相關(guān)變量參數(shù)的監(jiān)測(cè)。

(3)采用ewma控制圖對(duì)過(guò)程監(jiān)控更加靈敏，能夠有效識(shí)別觀測(cè)值的微小移動(dòng)。

附圖說(shuō)明

上述僅是本發(fā)明技術(shù)方案的概述，為了能夠更清楚了解本發(fā)明的技術(shù)手段，以下結(jié)合附圖與具體實(shí)施方式對(duì)本發(fā)明作進(jìn)一步的詳細(xì)說(shuō)明。

圖1是本發(fā)明的基于深度神經(jīng)網(wǎng)絡(luò)的風(fēng)電機(jī)組齒輪箱故障監(jiān)測(cè)方法流程圖。

具體實(shí)施方式

本發(fā)明提供了基于深度神經(jīng)網(wǎng)絡(luò)的風(fēng)電機(jī)組齒輪箱故障監(jiān)測(cè)方法及系統(tǒng)，所述的方法及系統(tǒng)能夠及時(shí)有效地監(jiān)測(cè)齒輪箱故障，監(jiān)測(cè)結(jié)果受外界環(huán)境影響小，準(zhǔn)確性高。

請(qǐng)參閱圖1所示，本發(fā)明的齒輪箱故障監(jiān)測(cè)方法，主要包括以下步驟：獲取風(fēng)電機(jī)組scada實(shí)時(shí)數(shù)據(jù)中的齒輪箱狀態(tài)相關(guān)數(shù)據(jù)，包括齒輪箱潤(rùn)滑油壓力、齒輪箱潤(rùn)滑油溫度、齒輪箱軸承溫度和機(jī)組輸出功率；將所述齒輪箱潤(rùn)滑油溫度、齒輪箱軸承溫度和機(jī)組輸出功率輸入基于深度神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)模型，獲得預(yù)測(cè)模型輸出的齒輪箱潤(rùn)滑油壓力的預(yù)測(cè)值；計(jì)算齒輪箱潤(rùn)滑油壓力的實(shí)際值與齒輪箱潤(rùn)滑油壓力的預(yù)測(cè)值之間的擬合誤差；監(jiān)視所述擬合誤差以判斷所述風(fēng)電機(jī)組的齒輪箱狀態(tài)，并在判斷為故障狀態(tài)時(shí)觸發(fā)警報(bào)。

具體地，本發(fā)明所述的齒輪箱故障監(jiān)測(cè)方法主要涉及如下兩個(gè)部分：1.齒輪箱油壓預(yù)測(cè)模型；2.齒輪箱狀態(tài)監(jiān)測(cè)。其中，齒輪箱油壓預(yù)測(cè)模型的建立運(yùn)用了深度神經(jīng)網(wǎng)絡(luò)(dnn)技術(shù)，相較于經(jīng)典的神經(jīng)網(wǎng)絡(luò)(neuralnetworks，nns)，深度神經(jīng)網(wǎng)絡(luò)(deepneuralnetwork，dnn)部署了多隱藏層來(lái)為復(fù)雜關(guān)系建模。

由于齒輪箱潤(rùn)滑油用于為齒輪箱降溫，齒輪箱潤(rùn)滑油壓力的變化將遵循輸出功率的變化。相較于齒輪箱潤(rùn)滑油溫度，齒輪箱潤(rùn)滑油的壓力指標(biāo)對(duì)環(huán)境影響帶來(lái)的沖擊更具有抵抗力。如果齒輪箱存在機(jī)械損耗，廢鐵屑將會(huì)融入齒輪箱潤(rùn)滑油中使壓力值發(fā)生變化。對(duì)此，本發(fā)明將齒輪箱潤(rùn)滑油壓力pl作為主要被監(jiān)測(cè)目標(biāo)，同時(shí)還伴隨了三個(gè)相關(guān)變量參數(shù)的監(jiān)測(cè)：齒輪箱油溫t0、機(jī)組輸出功率p0和齒輪箱軸承溫度ts。

在本發(fā)明中，dnn運(yùn)用了三個(gè)隱藏層為上述三個(gè)輸入量(齒輪箱油溫t0、機(jī)組輸出功率p0和齒輪箱軸承溫度ts)到輸出量(齒輪箱潤(rùn)滑油壓力)建立了模型。該模型是具有輸入層、三重隱層和輸出層的深度神經(jīng)網(wǎng)絡(luò)模型，模型如下公式所示：

式中表示模型輸出值，即齒輪箱潤(rùn)滑油壓力的預(yù)測(cè)值。

模型參數(shù)通過(guò)數(shù)據(jù)訓(xùn)練獲得。其中，訓(xùn)練數(shù)據(jù)集來(lái)自于風(fēng)電場(chǎng)正常機(jī)組的scada數(shù)據(jù)中的齒輪箱潤(rùn)滑油壓力pl、齒輪箱油溫t0、機(jī)組輸出功率p0和齒輪箱軸承溫度ts，搜集原始數(shù)據(jù)后，排除無(wú)效數(shù)據(jù)并合并有效數(shù)據(jù)來(lái)建立訓(xùn)練數(shù)據(jù)集。

基于訓(xùn)練數(shù)據(jù)集中的數(shù)據(jù)對(duì)上述基于深度神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)模型進(jìn)行訓(xùn)練，訓(xùn)練過(guò)程主要是為了推測(cè)wn和bn，兩者分別代表著第n個(gè)隱藏層的權(quán)重和偏移量，本例中，通過(guò)對(duì)和pl差值的平方平均值取最小值以獲得盡量減小pl和差別的權(quán)重wn和偏移量bn，如下方程所示：

式中m代表隱藏層層數(shù)，而n代表訓(xùn)練數(shù)據(jù)集的樣本數(shù)。

本模型的激活函數(shù)用的是雙曲正切函數(shù)：

上式中e是自然常數(shù)，約為2.71828，是一個(gè)無(wú)限不循環(huán)數(shù)。

進(jìn)一步地，基于上述齒輪箱油壓預(yù)測(cè)模型，本發(fā)明通過(guò)監(jiān)測(cè)擬合誤差來(lái)實(shí)現(xiàn)對(duì)齒輪箱狀態(tài)的監(jiān)測(cè)。具體地，這里的擬合誤差由如下“相對(duì)誤差表達(dá)式”(ape)表達(dá)：

式中，表示模型輸出值，即模型預(yù)測(cè)的齒輪箱潤(rùn)滑油壓值，pl為實(shí)際的齒輪箱潤(rùn)滑油壓值。

在本發(fā)明的監(jiān)測(cè)步驟中，一種統(tǒng)計(jì)過(guò)程控制算法：指數(shù)加權(quán)平均數(shù)(ewma)模型，用于獲取被監(jiān)測(cè)擬合誤差的上下限，ewma圖中的上下控制限是基于正常機(jī)組的擬合誤差而獲得。具體地，基于采集的正常機(jī)組相關(guān)scada數(shù)據(jù)，通過(guò)上述預(yù)測(cè)模型計(jì)算對(duì)應(yīng)于各機(jī)組的擬合誤差，擬合誤差實(shí)際反映了該預(yù)測(cè)模型作為數(shù)據(jù)挖掘算法模型的計(jì)算能力。再基于風(fēng)電機(jī)組的擬合誤差，建立統(tǒng)計(jì)過(guò)程控制圖，給出控制范圍的上下限。不正常的機(jī)組將會(huì)產(chǎn)生超越誤差檢測(cè)范圍的情況。

emwa的靜態(tài)測(cè)試，zt計(jì)算為：

zt＝λet+(1-λ)zt-1,t＝1，2，…n

其中t是時(shí)間索引，et是在t時(shí)刻的誤差，λ是滿足0<λ<1的常數(shù)，而初始量z0取初始訓(xùn)練數(shù)據(jù)誤差值e的均值。本研究中，λ設(shè)置為0.2，是典型的emwa控制圖設(shè)置值。

emwa的靜態(tài)測(cè)試公式中，zt的均值和方差可以分別由以下公式得到：

式中，μe和σe分別為誤差e的平均值和方差。

ewma控制圖的控制限度是基于±lsigma限度，其中l(wèi)根據(jù)shewart控制圖限度而設(shè)置為3。當(dāng)上下ewma控制限隨著時(shí)間變化形成函數(shù)時(shí)，如下公式所示：

上式中的n指代樣本個(gè)數(shù)，l是用于調(diào)節(jié)置信區(qū)間的，一般取3，如上置信為3sigma。也可以取4。

上述過(guò)程中，齒輪箱狀態(tài)預(yù)測(cè)模型運(yùn)用半監(jiān)督學(xué)習(xí)法，模型通過(guò)scada的齒輪箱狀態(tài)數(shù)據(jù)進(jìn)行訓(xùn)練，訓(xùn)練結(jié)果與正常齒輪箱狀態(tài)誤差進(jìn)行比對(duì)?；谠撜`差比對(duì)方法，對(duì)運(yùn)行結(jié)果參數(shù)的上下限進(jìn)行監(jiān)測(cè)，并建立控制圖。如果風(fēng)電機(jī)組的擬合誤差超越了控制范圍上下限，齒輪箱故障預(yù)警警報(bào)將會(huì)觸發(fā)。

由于齒輪箱的失效是一個(gè)連續(xù)的過(guò)程，早期的失效可以通過(guò)需要被監(jiān)測(cè)的擬合誤差來(lái)表示。通過(guò)考慮誤差范圍和時(shí)間因素，ewma控制圖可以直接監(jiān)測(cè)擬合誤差。在一個(gè)確定時(shí)期內(nèi)，發(fā)生連續(xù)的大擬合誤差表示為異常狀態(tài)并使計(jì)劃維修警報(bào)等級(jí)提高。因此實(shí)際應(yīng)用時(shí)，一種較佳的情況是：如果擬合誤差超過(guò)了控制上下限，并且有長(zhǎng)時(shí)間段的高擬合誤差在ewma圖中被發(fā)現(xiàn)時(shí)，才被認(rèn)為是齒輪箱故障狀態(tài)從而觸發(fā)報(bào)警。

綜上所述，本發(fā)明通過(guò)從被周圍環(huán)境影響較小的齒輪箱潤(rùn)滑油油壓指標(biāo)入手，運(yùn)用深度神經(jīng)網(wǎng)絡(luò)算法，建立以齒輪箱潤(rùn)滑油壓力作為測(cè)量目標(biāo)的監(jiān)測(cè)模型，并通過(guò)統(tǒng)計(jì)控制圖表對(duì)齒輪箱中所存在的異常狀態(tài)進(jìn)行監(jiān)測(cè)。實(shí)現(xiàn)了準(zhǔn)確、有效、及時(shí)的故障監(jiān)測(cè)。

基于本發(fā)明上述的齒輪箱故障監(jiān)測(cè)方法擬建系統(tǒng)框架，并主要通過(guò)以下兩個(gè)階段實(shí)現(xiàn)齒輪箱故障監(jiān)測(cè)系統(tǒng)的構(gòu)建。第一個(gè)階段是通過(guò)運(yùn)用深度神經(jīng)網(wǎng)絡(luò)建立齒輪箱潤(rùn)滑油壓預(yù)測(cè)模型。預(yù)測(cè)模型基于代表正常機(jī)組的scada數(shù)據(jù)進(jìn)行訓(xùn)練。所有正常以及非正常的機(jī)組的擬合誤差將會(huì)被預(yù)測(cè)出來(lái)。第二個(gè)階段是建立ewma控制圖。ucl和lcl將被用于對(duì)齒輪箱的損壞進(jìn)行報(bào)警。構(gòu)建的齒輪箱故障監(jiān)測(cè)系統(tǒng)通過(guò)兩個(gè)齒輪箱失效案例進(jìn)行了驗(yàn)證。最后在監(jiān)測(cè)結(jié)果中顯示，齒輪箱未失效的機(jī)組的擬合誤差都在檢測(cè)范圍之內(nèi)，而齒輪箱失效的機(jī)組可以在兩到三天前提前報(bào)警，這表明，本發(fā)明的齒輪箱故障監(jiān)測(cè)方法及系統(tǒng)將為風(fēng)電場(chǎng)工作人員提供足夠的時(shí)間對(duì)齒輪箱狀態(tài)進(jìn)行檢測(cè)并制定維護(hù)計(jì)劃。進(jìn)一步，整個(gè)檢測(cè)過(guò)程通過(guò)并行sgd算法在幾分鐘之內(nèi)完成計(jì)算，迅速、準(zhǔn)確。因此，本發(fā)明的齒輪箱故障監(jiān)測(cè)方法及系統(tǒng)在工業(yè)中應(yīng)用完全可行。

以上所述，僅是本發(fā)明的較佳實(shí)施例而已，并非對(duì)本發(fā)明作任何形式上的限制，本領(lǐng)域技術(shù)人員利用上述揭示的技術(shù)內(nèi)容做出些許簡(jiǎn)單修改、等同變化或修飾，均落在本發(fā)明的保護(hù)范圍內(nèi)。