本技術涉及風電機組檢修，特別是涉及一種用于陸上風電機組的檢修方法及系統。

背景技術：

1、風電機組屬于風力發電的組成結構之一，風力發電機組包括風輪、發電機；風輪中含葉片、輪轂、加固件等組成，它有葉片受風力旋轉發電、發電機機頭轉動等功能，風力發電電源由風力發電機組、支撐發電機組的塔架、蓄電池充電控制器、逆變器、卸荷器、并網控制器、蓄電池組等組成，而風電機組在運行的過程中需要定時地進行檢修維護。

2、傳統的風電機組在檢修的過程中需要工作人員挨個對風電機組的不同部位進行檢修和查看，只有當發現了明確的故障情況時才能夠進行相應的維護工作，這樣就導致了在檢查的過程中不能夠實現預防性檢修的效果，實施過程中非常的不方便；多數的風電機組在檢修的過程中往往需要由多人對檢查出來的結果進行分析和處理，這樣在實施的過程中就會出現花費時間較長的情況，操作時費時費力較為的麻煩。

技術實現思路

1、本技術的目的是：為解決上述技術問題，本技術提供了一種用于陸上風電機組的檢修方法及系統，旨在提高風電機組的檢修效率，降低風電機組運行過程中的故障概率，提高風電機組運行的穩定性。

2、本技術的一些實施例中，對風電機組中的不同設備進行區分，并建立對應的設備模塊，從而對風電機組進行分區域監測，并通過周期性采集各個設備模塊的監測特征信號，對其運行狀態進行判斷，從而識別出風電機組的潛在故障風險點的準確位置和嚴重程度，及時對各種潛在故障風險進行預警。

3、本技術的一些實施例中，通過建立故障干擾模型，基于風電機組內部的故障傳遞關系，對采集的監測特征信號進行修正，從而提高對于潛在故障風險點判斷的精準度，排除內部運行因素對于監測精度的擾動。

4、本技術的一些實施例中，根據預設的決策模型和各個設備模塊實時潛在故障狀態，進行尋優處理，從而選取針對各個設備模塊最優的維修策略，降低整體檢修成本，提高檢修效率，降低風電機組運行過程中的故障概率，保證風電機組運行的穩定性。

5、本技術的一些實施例中，提供了一種用于陸上風電機組的檢修方法，包括：

6、基于風電機組設定多個設備模塊，并根據全部設備模塊建立故障干擾模型；

7、根據預設反饋時間節點采集各個設備模塊的振動信號，并根據預處理結果生成反饋數據包；

8、根據反饋數據包和故障干擾模型生成各個設備模塊的運行狀態；

9、根據預設決策模型和各個設備模塊的運行狀態生成檢修計劃；

10、其中，設定多個設備模塊時，包括：

11、建立設備模塊數列a,a=(a1，a2…an)，ai為第i個設備模塊，n為設備模塊數量。

12、本技術的一些實施例中，建立故障干擾模型時，包括：

13、根據設備模塊數列a依次選取第i個設備模塊為目標設備模塊；

14、獲取風電機組的歷史故障參數；

15、根據歷史故障參數判斷目標設備模塊與設備模塊數列a中各個設備模塊是否存在信號干擾路徑；

16、若第i個設備模塊與目標設備模塊之間存在信號干擾路徑，設定第i個設備模塊為目標設備模塊的一級干擾模塊；

17、根據全部一級干擾模塊建立目標設備模塊的信號干擾映射表；

18、依次生成各個設備模塊的信號干擾映射表；

19、根據全部信號干擾映射表建立故障干擾模型。

20、本技術的一些實施例中，生成各個設備模塊的運行狀態時，包括：

21、根據反饋數據包提取目標設備模塊的監測特征信號，并建立監測特征信號數列b,b=（b1,b2…bm），其中，bi為目標設備模塊的第i個監測特征信號的實時值，m為監測特征信號數量；

22、根據監測特征信號數列b生成目標設備模塊的一級故障風險值f；

23、f=αi*qi*(bi-b'i)2；

24、其中，αi為第i個監測特征信號的影響因子，b'i為目標設備模塊的第i個監測特征信號的標準值，qi為第i個監測特征信號的固定系數；

25、依次生成各個設備模塊的故障風險值，并建立故障風險值數列f,f=(f1,f2…fm)，其中，fi為第i個設備模塊的一級故障風險值；

26、預設第一故障風險值閾值f1;

27、若fi>f1，設定第i個設備模塊為一級設備模塊；

28、根據故障干擾模型設定修正參數，并根據修正結果設定各個設備模塊的運行狀態。

29、本技術的一些實施例中，根據故障干擾模型設定修正參數時，包括：

30、建立一級設備模塊數列a1,a1=(a11，a12…a1n1)，其中，a1i為第i個一級設備模塊，n1為一級設備模塊數量，且n>n1；

31、依次設定第i個一級設備模塊為目標一級設備模塊；

32、根據目標一級設備模塊的信號干擾映射表獲取目標一級設備模塊的全部一級干擾模塊；

33、根據各個一級干擾模塊的一級故障風險值建立目標一級設備模塊的修正模型；

34、根據修正模型生成目標一級設備模塊的二級故障風險值d；

35、d=αi*qi*(βi*ci-c'i)2;

36、其中，ci為目標一級設備模塊的第i個監測特征信號的實時值，c'i為目標一級設備模塊的第i個特征監測信號的標準值，βi為基于修正模塊設定的第i個監測特征信號的修正系數；

37、若d>f1;

38、設定目標一級設備模塊為二級設備模塊；

39、根據修正模型修正目標一級設備模塊的監測特征信號，并根據修正結果生成目標一級設備模塊的比對數據包；

40、獲取全部二級設備模塊，并建立二級設備模塊數列a2，a2=(a21，a22…a2n2)，其中，a2i為第i個二級設備模塊，n2為二級設備模塊數量，且n1>n2。

41、本技術的一些實施例中，根據修正結果設定各個設備模塊的運行狀態時，包括：

42、根據設備模塊數列a依次設定各個設備模塊的運行狀態；

43、若ai不是二級設備模塊，設定ai的運行狀態為非故障狀態；

44、根據二級設備模塊數列a2依次選取目標二級設備模塊；

45、根據歷史運行參數建立目標二級設備模塊的潛在故障狀態數列h,h=(h1，h2…hr)，其中，r為目標二級設備模塊的潛在故障狀態數量，hi為目標二級設備模塊的第i種潛在故障狀態；

46、基于目標二級設備模塊的比對數據包和預設相似度模型，生成與各個潛在故障狀態的相似度；

47、根據全部相似度設定目標二級設備模塊的實時潛在故障狀態。

48、本技術的一些實施例中，生成檢修計劃時，包括：

49、設定目標二級設備模塊的多個維修策略；

50、生成各個維修策略的預期成本；

51、gη=xη+yi*pη(hi)；

52、其中，gη為采用第η種維修策略時的預期成本，xη為第i種維修策略的費用，yi為目標二級設備模塊的下一狀態為hi時的風險損失，pη(hi)為采用第η種維修策略后目標二級設備模塊的下一狀態轉換為hi的概率；

53、建立預期成本數列g，g=(g1,g2…gr1)，其中，r1為維修策略數量，gi為第i個維修策略的預期成本；

54、選取預期成本數列g中最小值gmin對應的維修策略為目標二級設備模塊的一級維修策略；

55、獲取各個二級設備模塊的一級維修策略，并生成檢修計劃。

56、本技術的一些實施例中，提供了一種用于陸上風電機組的檢修系統，包括：

57、中控單元，用于基于風電機組設定多個設備模塊，并根據全部設備模塊建立故障干擾模型；

58、監測單元，包括多個監測子模塊，所述監測子模塊用于根據預設反饋時間節點采集各個設備模塊的振動信號，并根據預處理結果生成反饋數據包；

59、所述中控單元包括：

60、故障診斷模塊，用于根據反饋數據包和故障干擾模型生成各個設備模塊的運行狀態；

61、檢修決策模塊，用于根據預設決策模型和各個設備模塊的運行狀態生成檢修計劃；

62、第一處理模塊，用于建立設備模塊數列a,a=(a1，a2…an)，ai為第i個設備模塊，n為設備模塊數量。

63、本技術的一些實施例中，所述中控單元還包括：

64、第二處理模塊，用于根據設備模塊數列a依次選取第i個設備模塊為目標設備模塊；

65、獲取風電機組的歷史故障參數；

66、根據歷史故障參數判斷目標設備模塊與設備模塊數列a中各個設備模塊是否存在信號干擾路徑；

67、若第i個設備模塊與目標設備模塊之間存在信號干擾路徑，設定第i個設備模塊為目標設備模塊的一級干擾模塊；

68、根據全部一級干擾模塊建立目標設備模塊的信號干擾映射表；

69、依次生成各個設備模塊的信號干擾映射表；

70、根據全部信號干擾映射表建立故障干擾模型。

71、本技術的一些實施例中，所述故障診斷模塊還用于：

72、根據反饋數據包提取目標設備模塊的監測特征信號，并建立監測特征信號數列b,b=（b1,b2…bm），其中，bi為目標設備模塊的第i個監測特征信號的實時值，m為監測特征信號數量；

73、根據監測特征信號數列b生成目標設備模塊的一級故障風險值f；

74、f=αi*qi*(bi-b'i)2；

75、其中，αi為第i個監測特征信號的影響因子，b'i為目標設備模塊的第i個監測特征信號的標準值，qi為第i個監測特征信號的固定系數；

76、依次生成各個設備模塊的故障風險值，并建立故障風險值數列f,f=(f1,f2…fm)，其中，fi為第i個設備模塊的一級故障風險值；

77、預設第一故障風險值閾值f1;

78、若fi>f1，設定第i個設備模塊為一級設備模塊；

79、建立一級設備模塊數列a1,a1=(a11，a12…a1n1)，其中，a1i為第i個一級設備模塊，n1為一級設備模塊數量，且n>n1；

80、依次設定第i個一級設備模塊為目標一級設備模塊；

81、根據目標一級設備模塊的信號干擾映射表獲取目標一級設備模塊的全部一級干擾模塊；

82、根據各個一級干擾模塊的一級故障風險值建立目標一級設備模塊的修正模型；

83、根據修正模型生成目標一級設備模塊的二級故障風險值d；

84、d=αi*qi*(βi*ci-c'i)2;

85、其中，ci為目標一級設備模塊的第i個監測特征信號的實時值，c'i為目標一級設備模塊的第i個特征監測信號的標準值，βi為基于修正模塊設定的第i個監測特征信號的修正系數；

86、若d>f1;

87、設定目標一級設備模塊為二級設備模塊；

88、根據修正模型修正目標一級設備模塊的監測特征信號，并根據修正結果生成目標一級設備模塊的比對數據包；

89、獲取全部二級設備模塊，并建立二級設備模塊數列a2，a2=(a21，a22…a2n2)，其中，a2i為第i個二級設備模塊，n2為二級設備模塊數量，且n1>n2；

90、根據設備模塊數列a依次設定各個設備模塊的運行狀態；

91、若ai不是二級設備模塊，設定ai的運行狀態為非故障狀態；

92、根據二級設備模塊數列a2依次選取目標二級設備模塊；

93、根據歷史運行參數建立目標二級設備模塊的潛在故障狀態數列h,h=(h1，h2…hr)，其中，r為目標二級設備模塊的潛在故障狀態數量，hi為目標二級設備模塊的第i種潛在故障狀態；

94、基于目標二級設備模塊的比對數據包和預設相似度模型，生成與各個潛在故障狀態的相似度；

95、根據全部相似度設定目標二級設備模塊的實時潛在故障狀態。

96、本技術的一些實施例中，所述檢修決策模塊還用于：

97、設定目標二級設備模塊的多個維修策略；

98、生成各個維修策略的預期成本；

99、gη=xη+yi*pη(hi)；

100、其中，gη為采用第η種維修策略時的預期成本，xη為第i種維修策略的費用，yi為目標二級設備模塊的下一狀態為hi時的風險損失，pη(hi)為采用第η種維修策略后目標二級設備模塊的下一狀態轉換為hi的概率；

101、建立預期成本數列g，g=(g1,g2…gr1)，其中，r1為維修策略數量；gi為第i個維修策略的預期成本；

102、選取預期成本數列g中最小值gmin對應的維修策略為目標二級設備模塊的一級維修策略；

103、獲取各個二級設備模塊的一級維修策略，并生成檢修計劃。

104、本技術實施例一種用于陸上風電機組的檢修方法及系統與現有技術相比，其有益效果在于：

105、對風電機組中的不同設備進行區分，并建立對應的設備模塊，從而對風電機組進行分區域監測，并通過周期性采集各個設備模塊的監測特征信號，對其運行狀態進行判斷，從而識別出風電機組的潛在故障風險點的準確位置和嚴重程度，及時對各種潛在故障風險進行預警。

106、通過建立故障干擾模型，基于風電機組內部的故障傳遞關系，對采集的監測特征信號進行修正，從而提高對于潛在故障風險點判斷的精準度，排除內部運行因素對于監測精度的擾動。

107、根據預設的決策模型和各個設備模塊實時潛在故障狀態，進行尋優處理，從而選取針對各個設備模塊最優的維修策略，降低整體檢修成本，提高檢修效率，降低風電機組運行過程中的故障概率，保證風電機組運行的穩定性。