400-608-2558
029-8869-6128
应用
为不同行业客户提供数据管理、分析展现、深度挖掘的数据运营方案,帮助企业实现内部业务信息系统数据化,数据价值化的全面升级。
当前位置:首页 > 应用 > 电力
能源大数据之联合动力机组齿轮箱故障预警
浏览:
一、项目背景
伴随着经济的发展,全球能源危机环境危机日益凸显,风能以其成本低、清洁、安全、可再生等优点越来越受到世界各国的重视,所以近几年以来风力发电得到快速发展。然而风电机组常处于恶劣的环境中极易出现运行故障,其中齿轮箱是整个风电机组发生故障概率最高的部件,据统计风电机组60%以上的故障都发生于齿轮箱部位。因此能迅速、准确地对齿轮箱故障预警,对降低风电场的运维成本、提高风电场的经济效益、提高风电机组运行的可靠性具有重要意义。

二、问题与挑战
1、机组类型不同。从业务角度来说,存在三种不同容量的机组,且设计和运行参数会有一定的差异,为了发现不同类型机组齿轮箱故障的特征,保证故障模型的准确率,需要对机组进行分类。
2、用于分析的多个变量间会存在较多的信息重复。机组运行的参数数据很多,若直接用来分析,会导致模型复杂,同时可能会引起模型较大误差,因此要初步探索数据间的相关性,剔除重复因素。
3、时间因素的损失。故障发生虽说只是一个时间点,但在故障发生的前一段时间就已经有某些特性的改变,因此在进行故障预测时,可将故障发生前一段时间都标记为故障。

三、解决方案
基于联合动力机组的设计原理,进行机组类型划分,在此基础上,针对不同类型的机组,利用机器学习算法,分析与联合动力机组齿轮箱故障相关的影响因素,构建机组齿轮箱故障预警分类模型。
  • 机组类型划分
从机理和业务角度对机组进行类型划分。机组数据一致、传感器位置一致则划分为同一种类型。
  • 机组运行参数相关性分析
在机组分类的基础上,分别针对不同的机组进行参数相关性分析,实现数据降维。
 能源行业齿轮机组运行参数相关性分析
  • 齿轮箱故障预测
基于各类型机组,利用有监督的二分类算法对机组齿轮箱是否发生故障进行分类,从而预测机组齿轮箱故障发生的概率。利用有监督的多分类算法对机组故障类型进行分类,从而预测机组发生的故障类别。

四、应用价值
  • 预警联合动力机组齿轮箱故障
  • 保证联合动力机组可靠运行
  • 推动风力发电技术发展

五、相关案例
某风电公司联合动力机组齿轮箱故障预警模型开发项目


服务热线
400-608-2558
咨询热线
029-88696128
美林数据
微信扫描二维码,立即在线咨询
  • top top