一种风力驱动机监测方法及系统与流程

本技术涉及风力发动机，具体涉及一种风力驱动机监测方法及系统。

背景技术：

1、在全球能源转型与可持续发展需求的推动下，风能作为一种清洁、可再生且储量丰富的能源，其开发与利用备受瞩目。风力驱动机是将风能的动能转化为机械能，然后再将机械能转换为电能的电力设备，整个过程需要风力驱动机内部各元件相互配合完成。由于风力驱动机通常位于偏远地区，交通不便以及故障后维修方式复杂的原因，对风力驱动机进行维修会造成较大的经济损失。因此需要加强对风力驱动机的监测，掌握风力驱动机的运行状态，及时监测异常行为，有效避免故障的发生。

2、现有的风力驱动机监测，并未实现真正的智能状态监测。例如状态监测系统cms，其监测对象单一，导致异常行为报错或不报现象时有发生，对风力驱动机部件的机械损伤如风力增速箱异常行为的监测精度较低。

技术实现思路

1、鉴于以上内容，有必要提供一种风力驱动机监测方法及系统，相较于现有的风力驱动机监测方法及系统，可解决因监测对象单一而导致风力驱动机部件的异常行为监测精度较低的问题。

2、第一方面，本技术实施例提供了一种风力驱动机监测方法，该方法包括以下步骤：

3、获取风力驱动机的风力增速箱在各采集时刻的振动数据和温度数据，并确定振动数据序列和温度数据序列；

4、采用聚类算法获取振动数据序列内元素的各聚类簇，基于各聚类簇内元素与振动数据序列内元素之间的差异和相似性，确定各聚类簇的归纳程度；

5、将归纳程度最小的聚类簇记为待分析聚类簇，基于待分析聚类簇与其余聚类簇的归纳程度的差异，以及振动数据序列和所有聚类簇内元素的分布情况，确定待分析聚类簇的差异指数；

6、基于温度数据序列内元素的分布情况确定温度数据序列的积累系数；

7、基于待分析聚类簇的差异指数和温度数据序列的积累系数确定风力增速箱的变化指数；

8、基于风力增速箱的变化指数和风力增速箱正常状态下的标准振动数据、标准温度数据，实现对风力增速箱运行状态的监测。

9、在其中一种实施例中，所述振动数据序列和温度数据序列的确定方法为：

10、将所有采集时刻的振动数据的归一化值，按照采集时刻顺序组成振动数据序列；

11、针对温度数据，采用振动数据序列的确定方法，获取温度数据序列。

12、在其中一种实施例中，所述归纳程度的确定方法为：

13、基于各聚类簇内元素与其余聚类簇的隶属度确定各聚类簇的元素对应指数；

14、计算各聚类簇内所有元素的变异系数与振动数据序列内所有元素的变异系数的差值绝对值，记为变异绝对值，计算各聚类簇内所有元素的均值与振动数据序列内所有元素的均值的差值绝对值，记为均值绝对值，计算所述变异绝对值与所述均值绝对值的乘积，记为绝对乘积，各聚类簇的归纳程度与各聚类簇的所述绝对乘积成负相关性，与各聚类簇的元素对应指数成正相关性。

15、在其中一种实施例中，所述元素对应指数的确定方法为：

16、当元素与聚类簇的隶属度大于预设隶属度阈值时，记元素与聚类簇有隶属关系；

17、对于各聚类簇，统计与聚类簇内各元素存在隶属关系的聚类簇的数量与聚类簇总数量的比值，记为数量比值，聚类簇的元素对应指数与聚类簇内各元素的所述数量比值均成正相关性。

18、在其中一种实施例中，所述差异指数的确定方法为：

19、基于振动数据序列内元素的分布情况确定各聚类簇的序列变化系数；

20、计算待分析聚类簇与其余各聚类簇的归纳程度的差异，记为归纳差异，计算待分析聚类簇内所有元素的均值与其余各聚类簇内所有元素的均值的差异，记为均值差异，计算待分析聚类簇与其余各聚类簇的序列变化系数的差异，记为序列变化差异，计算所述归纳差异、所述均值差异和所述序列变化差异三者的乘积，记为全局差异乘积，待分析聚类簇的差异指数与待分析聚类簇的各个所述全局差异乘积均成正相关性。

21、在其中一种实施例中，所述序列变化系数的确定方法为：

22、统计各聚类簇内所有元素在振动数据序列内对应的最小序号和最大序号，截取振动数据序列内各所述最小序号到对应最大序号间的所有元素，包含所述最小序号与所述最大序号，作为各聚类簇的第一监测序列；

23、获取各第一监测序列的极大值序列和极小值序列；

24、分别统计各极大值序列内所有元素的最小值、各极小值序列内所有元素的最大值，计算各聚类簇对应所述最小值与对应所述最大值的差值的绝对值，计算各聚类簇对应极大值序列和对应极小值序列之间的dtw距离，各聚类簇的序列变化系数分别与各聚类簇的所述差值的绝对值、所述dtw距离成正相关性。

25、在其中一种实施例中，所述积累系数的确定方法为：

26、将待分析聚类簇的所述最小序号、到对应最大序号间的所有序号，记为对照序号，从温度数据序列内提取所述对照序号对应的一段温度数据序列，记为第二监测序列；

27、将所述对照序号向后滑动预设数量个序号，截取对应的温度数据序列，记为第三监测序列；

28、采用直线拟合方法获取第二监测序列内所有元素的拟合直线，将第二监测序列内各元素与相邻前一个元素的差值作为符号函数的自变量，计算第二监测序列内所有元素对应符号函数的计算结果的累加和，第二监测序列的上升系数分别与第二监测序列的所述累加和的平方、所述拟合直线的斜率成正相关性；

29、针对第三监测序列，采用第二监测序列的上升系数的计算方法，获取第三监测序列的上升系数；

30、计算第二监测序列的极差与上升系数的乘积，记为第一上升乘积，计算第三监测序列的极差与上升系数的乘积，记为第二上升乘积，计算所述第一上升乘积与所述第二上升乘积的差异，记为上升差异，温度数据序列的积累系数与所述上升差异成正相关性。

31、在其中一种实施例中，所述变化指数的确定方法为：风力增速箱的变化指数分别与待分析聚类簇的差异指数、温度数据序列的积累系数成正相关性。

32、在其中一种实施例中，所述实现对风力增速箱运行状态的监测的具体过程为：

33、针对风力增速箱正常状态下的标准振动数据和标准温度数据，采用风力增速箱的变化指数的计算方法，获取风力增速箱的标准变化指数；

34、风力增速箱的异常判定系数与风力增速箱的变化指数成正相关性，与风力增速箱的标准变化指数成负相关性；

35、当异常判定系数大于预设异常判定系数阈值时，判定风力增速箱在运行过程中发生了异常行为，否则，风力增速箱在运行过程中没有发生异常行为。

36、第二方面，本技术实施例还提供了一种风力驱动机监测系统，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任意一项所述方法的步骤。

37、本技术具有如下有益效果：

38、本技术对风力增速箱的振动特征进行分析，采用聚类算法对振动数据进行聚类并计算每个聚类簇的归纳程度，可以定位与整体振动数据之间差异最大的一个聚类簇，便于后续根据该聚类簇与其余聚类簇之间的差异，分析风力增速箱是否发生了异常行为；

39、基于该聚类簇与其余聚类簇内元素分布情况的差异，计算该聚类簇的差异指数，可以判断振动数据是否依旧稳定分布，进而初步判定风力增速箱是否发生了异常行为；

40、基于该聚类簇对应的温度数据以及延后一段时间的温度数据的分布情况，构建积累系数，可以判断风力增速箱是否出现了温度不断上升的异常行为；

41、基于差异指数和积累系数确定风力增速箱的变化指数，结合风力增速箱正常状态下的标准振动数据、标准温度数据，实现对风力增速箱运行状态的监测。本技术深入挖掘风力增速箱在正常、异常状态下的振动特征与温度特征，并通过二者的特征共同构建变化指数，进而对风力增速箱的运行状态进行监测，解决了现有风力驱动机监测，因监测对象单一而导致风力驱动机部件的异常行为监测精度较低的问题，提高了对风力驱动机部件异常行为的监测精度。