本發明涉及一種風力發電機組變流器水冷系統壓力檢測方法。

背景技術：

發電機組變流器的大功率元件在工作時會產生大量的熱量，水冷系統則可以及時對其進行熱交換冷卻。如果水冷系統出現故障，整個變流器系統將無法正常運轉，甚至引起大功率元件的炸毀。

變流器水冷系統運行良好與否直接體現在變流器水冷系統的壓力上，當前變流器水冷系統壓力檢測是通過壓力傳感器、安全閥等裝置，依靠壓力超限保護來保證水冷系統的安全運行，通常是故障發生了，才進行診斷或更換，從而影響變流器的正常運行。

技術實現要素：

本發明的目的是克服現有技術的缺點，提出一種風力發電機組變流器水冷系統壓力異常檢測方法。本發明從水冷系統運行規律尋找方案，可以實現問題的早發現，優化參數設定，保證了變流器系統的安全穩定運行。

依據分子運動理論，固定容器內水溫越高水的壓力就越大，對壓力數據和溫度數據進行分析，可以找出不同溫度下，壓力數據呈現的規律，如：水冷系統出口壓力與入口壓力間的關系、出口與入口間壓差與溫差間的關系等。

本發明從歷史報警數據中提取變流器水冷系統壓力數據及相關溫度數據，采用統計方法進行分析；然后用分析結果、歷史報警數據中挖掘出的有效信息、維修記錄和歷史故障數據建立異常診斷模型；將采集到的實時數據用異常診斷模型檢測，得出不同異常類型情況下的預測值，通過比較實測值與預測值的差值來判斷壓力是否出現異常及異常的類型。

所述的統計方法分析為從變流器水冷系統壓力數據和相關溫度數據中找出規律，提煉出可以反映變流器水冷系統壓力異常的變量關系。

所述的歷史報警數據中挖掘的有效信息為能夠體現變流器水冷系統壓力從報警到故障轉變的潛在信息，如報警次數、報警時間等。

所述的異常診斷模型是從統計方法分析結果、歷史報警數據中挖掘出的有效信息、維修記錄和歷史故障數據中確定輸入與輸出變量的關聯結構；根據現有的報警故障種類將異常劃分成幾種類型，給定不同異常類型下的輸入變量，得到對應類型下的輸出預測值。

所述的比較實測值與預測值的差值是從歷史的報警故障數據確定不同異常類型對應的閾值，將實測值與預測值的差值與對應的閾值比較，從而得出異常判斷及異常類型。

本發明從變流器水冷系統的報警故障數據中挖掘規律，針對性強，效率高；成本低，從大量數據中提煉知識；通過故障類型的判定，易于準確定位故障原因；提出了變流器水冷系統壓力異常檢測方法，盡早的發現潛在的問題，以對其進行及時的維護和更換準備。

附圖說明

圖1本發明檢測方法的流程圖。

具體實施方式

下面結合附圖和具體實施方式進一步說明本發明。

本發明實施例步驟如下：

1、收集加工變流器水冷系統報警數據

從風力發電機組的數據采集與監視控制系統導出歷史報警數據，數據文件為文本文檔(*.txt)和數據表格(*.csv)，通過專用的SCADA數據處理工具從歷史報警數據中提取水冷系統報警時間、報警名稱、變流器運行狀態、水冷系統壓力數據、水冷系統溫度數據、環境溫度等信息，去除錯誤值或補充缺值，譬如用其余數據的平均值來進行補充，最后，將提取的數據合并加工成報警數據文件。

2、分析水冷系統壓力數據及相關溫度數據

對步驟1形成的報警數據文件的內容進行時間序列分析，通過分段線性表示不同溫度條件下，水冷系統入口壓力數據與水冷系統出口壓力數據間的變化特征情況。

3、挖掘歷史報警數據中的有效信息，加工歷史故障數據

從風力發電機組PLC控制器中導出歷史故障數據，數據文件為數據表格(*.csv)，通過專用的數據處理工具從歷史故障數據中提取水冷系統故障時間、故障名稱、變流器運行狀態、水冷系統壓力數據、水冷系統溫度數據、環境溫度等信息，將提取的數據合并加工成故障數據文件。通過步驟1形成的報警數據文件，挖掘有效信息，統計出每一類報警從觸發到變流器故障停機所持續的時間，即報警持續時間，在故障數據文件里新增一列報警持續時間，然后將數據隨機分成兩部分：學習數據與驗證數據。

4、建立異常診斷模型。對步驟2的時間序列分析結果、維修記錄和步驟3的學習數據，使用線性回歸分析法建立模型，確定不同異常類型下水冷系統入口出口間的壓差與溫度間的關聯結構，給定輸入，可以得到輸出水冷系統入口出口間壓差的預測值；用驗證數據來驗證模型的診斷精度，并給出不同異常類型的閾值Y1……Yn。

輸入-輸出關系形如：

△P＝f(P1，P2，△t，T)

式中，△P為水冷系統入口出口間的壓差，P1為水冷系統入口壓力，P2為水冷系統出口壓力，△t為水冷系統入口出口間的溫差，T為環境溫度。

5、異常檢測。將采集到的實時數據用異常診斷模型檢測，得到預測值，計算實測值與預測值的差值，如果差值大于對應的閾值，則判斷壓力異常，同時輸出異常類型，如果小于對應的閾值，則判斷壓力正常，實現變流器水冷系統壓力異常的準確檢測。