一種運用圖卷積神經網絡診斷風電齒輪箱故障的方法技術

本發明專利技術公開了一種運用圖卷積神經網絡診斷風電齒輪箱故障的方法，屬于可再生能源裝備狀態監測與故障診斷領域，主要先通過運行機理與數據相關性構建齒輪箱系統圖，再將數據以圖的形式輸入圖卷積模型得到圖中每個節點的預測值，根據故障機理利用關鍵參數的預測值與測量值的歐式距離來量化部件狀態，最后通過計算得到的狀態指標是否超出閾值來預警故障。本發明專利技術的有益效果為，提出了齒輪箱系統圖數據構建方法，利用圖卷積神經網絡挖掘齒輪箱內不同測點數據之間的因果聯系，提取齒輪箱內測點間的空間位置信息，提高了齒輪箱系統中相關測點預測的合理性，使模型在不同故障類型中具有良好適用性。適用性。適用性。

【技術實現步驟摘要】
一種運用圖卷積神經網絡診斷風電齒輪箱故障的方法


[0001]本專利技術涉及發電設備狀態監測與故障診斷領域，尤其涉及一種運用圖卷積神經網絡診斷風電齒輪箱故障的方法。

技術介紹

[0002]增速齒輪箱是雙饋異步風力發電機組最重要的系統之一，增速齒輪箱的使用大大降低了發電機和變頻器的體積，但同時也因為齒輪箱在設計、制造、裝配中的技術難度和運行環境的惡劣，齒輪箱系統的故障在所難免。齒輪箱一旦發生故障，會導致機組發電效率下降、動力傳輸中斷甚至系統停機，造成不小的經濟損失。中國可再生能源學會風能專業委員會在進行風電設備運行質量調查時，發現齒輪箱、發電機和葉片三大系統的故障率最高，而齒輪箱非計劃停機時間比率高達21%，且造成的維修費用也占到總維修費用的18.61%?？梢妼X輪箱系統進行故障預警具有一定的經濟價值。
[0003]傳統對齒輪箱系統的故障診斷主要基于額外安裝的振動狀態監測系統進行，其較高的數據采集頻率和較大的數據量難以做到實時診斷，且依賴于一定的專家知識，對旋轉部件以外的部件適用性較差。
[0004]專利文獻CN115935737A公開了一種基于數字孿生的海上風電場運維方法及系統，屬于海上風電場智慧運維
在數據感知層面采集了建立數字孿生系統所需要的信號，并通過邊緣計算實現數據的融合，建立了機理數據雙驅動的數字孿生模型，利用物理空間采集的信號激活模型，實現基于數字孿生的功率預測、狀態評價、故障預警、故障診斷和壽命預測等功能，并能夠隨著設備運行狀態的改變能實現數字孿生體模型的自適應修正。該專利技術通過數字孿生系統的實際應用，可有效減少現場人員、降低檢修時間、減少年均停機時長、降低機組故障率，可以服務于規模化海上風電安全、高效、智能開發利用，有效提高了海上風電運維的技術水平。
[0005]專利文獻CN115495505A 公開了一種基于新能源機場群數據關聯分析方法。利用輸入輸出數據集合進行關聯規則搜索時，首先需要對數據集合進行預處理，通過預處理后，對新能源機場群數據進行關聯規則機理分析、關聯規則挖掘、關聯規則函數分析，最終得到風電的期望功率與風速之間的關系、浮塵因素對光伏陣列出力特性的影響、新能源數據關聯規則挖掘的Apriori辨識方法、光伏有功出力與光照強度之間的關聯規則函數。該專利技術是一種能夠完成補全缺失和不良數據的修復及機場群數據關聯規則方法的挖掘，同時對新能源機場群數據進行合理降維處理，減少計算復雜度，提升關聯規則搜索效率的基于新能源機場群數據關聯分析方法。
[0006]現在并網發電的機組基本都配備了SCADA系統用于風電機組運行監測和控制，但是現有技術往往只是從時間域上提取信息，忽略了齒輪箱內部各測點間的關系，不能充分地提取空間域上的信息，并且單個模型往往只能預警一種故障，適用性不強。

技術實現思路

[0007]基于以上問題與現有技術的缺陷，本專利技術提出了一種運用圖卷積神經網絡診斷風電齒輪箱故障的方法。本專利技術設計了一種運用圖卷積神經網絡診斷風電齒輪箱故障的方法，主要利用模型對故障表征的預測值與SCADA測量數據之間歐氏距離的大小來進行故障預警。
[0008]本專利技術包括以下步驟：一種運用圖卷積神經網絡診斷風電齒輪箱故障的方法，所述方法具體包括以下步驟：步驟1：根據風力發電機物理結構與運行原理，分析典型故障的故障機理并構建齒輪箱系統故障樹，根據測點位置與能量傳遞關系構建初步圖結構；步驟2：利用隨機森林計算工況參數對齒輪箱系統內參數的重要度，并在初步圖結構上為重要度大的兩種參數連接邊，根據其能量傳遞方向確定邊的方向，得到齒輪箱系統完整圖結構；步驟3：提取風力發電機健康運行時期的SCADA數據；篩除非正常發電的數據以及其他已知故障的數據，用四分位法對風速
?
功率散點圖進行數據清洗；步驟4：從清洗后數據中提取風機運行工況數據與齒輪箱相應測點數據，用滑窗法構造輸入樣本，輸出值為每個節點下個時間點的預測值；輸入樣本以圖的形式輸入到圖神經網絡中訓練；步驟5：根據故障樹，用故障表征的預測值與測量值之間歐氏距離作為部件狀態指標，在使用移動平均法平滑處理后，用3σ法則從健康時期狀態指標中計算出閾值；步驟6：待測試的SCADA數據按照以上步驟3、步驟4進行數據清洗，刪除非正常工作數據和離群數據，構建輸入樣本；清洗完成的待測數據放入訓練好的圖卷積神經網絡預測模型，得到每個節點的預測結果；步驟7：根據不同部件查詢齒輪箱系統故障樹選擇對應故障表征，計算表征參數預測結果與測量值之間的歐氏距離作為狀態指標；將得到的狀態指標進行平滑處理，之后與閾值作比較判斷齒輪箱是否異常。
[0009]進一步的，齒輪箱系統故障樹是在分析齒輪箱潤滑油路結構及其循環過程基礎上，由典型故障發生時其油路上各測點數值變化情況組成。
[0010]進一步的，與齒輪箱內測點沒有直接物理聯系的風電機運行相關工況參數，通過計算工況參數與齒輪箱內各測點之間的重要度，取重要度高的工況參數加入到初步圖結構。
[0011]進一步的，步驟2中利用隨機森林計算重要度，具體為使用基于袋外檢測計算工況參數與齒輪箱內各測點之間的重要度。
[0012]進一步的，利用權利要求4中得到的重要度對每個齒輪箱內測點進行歸一化處理，選取重要度較大的工況參數加入到圖結構，再根據能量傳遞關系確定節點之間邊的方向，得到齒輪箱系統完整圖結構。
[0013]進一步的，步驟3中四分位法對風速
?
功率散點圖進行數據清洗具體步驟為：將數據按每0.1m/s的風速間隔劃分多個小區間，對每個風速區間，分別計算統計功率序列的第一分位點Q1和第三分位點Q3，并計算分位距I=Q3
?
Q1，按照計算的Q1、Q3和I，清除功率小于
Q1
?
1.5I和大于Q3+1.5I的數據。
[0014]進一步的，步驟4中，圖神經網絡結構由圖卷積層、圖注意力層和全連接層組成，圖卷積塊為圖卷積層與圖注意力層的堆疊，數據依次經過圖卷積層和圖注意力層運算輸出，其中每一層的運算結果拼接后再傳入下一層,在最后一個圖注意力層后接一個全連接層，全連接塊為5層線性層，第一層的輸入維度與圖注意力層輸出展平后的維度相同，最后一層的輸出為1維，其余中間層均為128維，每層用PReLU函數激活。
[0015]進一步的，步驟4中圖神經網絡結構的損失函數公式為：，其中y為節點原始測量值，為模型預測輸出值，n為樣本數量。
[0016]進一步的，步驟5中用故障表征的預測值與測量值之間歐氏距離作為部件狀態指標x的計算公式為：，式中K為故障表征個數。
[0017]進一步的，狀態指標閾值計算公式為：，公式中μ和σ分別表示健康運行時期經平滑處理后的狀態指標的均值和標準差。
[0018]本專利技術的有益效果為，提出了齒輪箱系統圖數據構建方法，利用圖卷積神經網絡挖掘齒輪箱內不同測點數據之間的因果聯系，提取齒輪箱內測點間的空間位置信息，提高了齒輪箱系統中相關測點預測的合理性，使模型在不同故障類型中具有良好適用性。
附圖說明...

【技術保護點】

【技術特征摘要】
1.一種運用圖卷積神經網絡診斷風電齒輪箱故障的方法，其特征在于，所述方法具體包括以下步驟：步驟1：根據風力發電機物理結構與運行原理，分析典型故障的故障機理并構建齒輪箱系統故障樹，根據測點位置與能量傳遞關系構建初步圖結構；步驟2：利用隨機森林計算工況參數對齒輪箱系統內參數的重要度，并在初步圖結構上為重要度大的兩種參數連接邊，根據其能量傳遞方向確定邊的方向，得到齒輪箱系統完整圖結構；步驟3：提取風力發電機健康運行時期的SCADA數據；篩除非正常發電的數據以及其他已知故障的數據，用四分位法對風速
?
功率散點圖進行數據清洗；步驟4：從清洗后數據中提取風機運行工況數據與齒輪箱相應測點數據，用滑窗法構造輸入樣本，輸出值為每個節點下個時間點的預測值；輸入樣本以圖的形式輸入到圖神經網絡中訓練；步驟5：根據故障樹，用故障表征的預測值與測量值之間歐氏距離作為部件狀態指標，在使用移動平均法平滑處理后，用3σ法則從健康時期狀態指標中計算出閾值；步驟6：待測試的SCADA數據按照以上步驟3、步驟4進行數據清洗，刪除非正常工作數據和離群數據，構建輸入樣本；清洗完成的待測數據放入訓練好的圖卷積神經網絡預測模型，得到每個節點的預測結果；步驟7：根據不同部件查詢齒輪箱系統故障樹選擇對應故障表征，計算表征參數預測結果與測量值之間的歐氏距離作為狀態指標；將得到的狀態指標進行平滑處理，之后與閾值作比較判斷齒輪箱是否異常。2.根據權利要求1中所述的一種運用圖卷積神經網絡診斷風電齒輪箱故障的方法，其特征在于，齒輪箱系統故障樹是在分析齒輪箱潤滑油路結構及其循環過程基礎上，由典型故障發生時其油路上各測點數值變化情況組成。3.根據權利要求1中所述的一種運用圖卷積神經網絡診斷風電齒輪箱故障的方法，其特征在于，與齒輪箱內測點沒有直接物理聯系的風電機運行相關工況參數，通過計算工況參數與齒輪箱內各測點之間的重要度，取重要度高的工況參數加入到初步圖結構。4.根據權利要求1中所述的一種運用圖卷積神經網絡診斷風電齒輪箱故障的方法，其特征在于，步驟2中利用隨機森林計算重要度，具體為使用基于袋外...

【專利技術屬性】
技術研發人員：滕偉，蒙康，劉宇，王逸霄，丁顯，胥學峰，
申請(專利權)人：中國綠發投資集團有限公司，
類型：發明
國別省市：