摘 要：传统风电机组故障诊断预警算法准确度较低，预警速度较慢，为此，提出基于工况辨识的风电机组故障诊断预警算法。首先进行故障诊断数据预处理，基于工况辨识，选择合适的风电机组运行参数，采用温度预测的方法，利用观测温度与预期温度的残差来反映设备的运行状态，使用 MSET 建立风机齿轮箱温度模型，确定预警指标，设计基于工况辨识的风电机组故障诊断预警算法。实验结果表明，设计算法能有效减少诊断预警时间，且其准确度更高。
关键词：工况辨识；风电机组；故障诊断；预警算法
DOI:10.19850/j.cnki.2096-4706.2021.12.009
基金资助：国家电力投资集团有限公司统 筹研发经费支持项目（TC2020FD05）
中图分类号：TP277 文献标识码：A 文章编号：2096-4706（2021）12-0033-04
Research on Fault Diagnosis and Early Warning Algorithm of Wind Turbine Based on Condition Identification
SU Jun1 , FANG Chao2 , SUN Meng2
（1.State Power Investment Group Jiangsu New Energy Co., Ltd., Yancheng 224399, China; 2.Shanghai Power Equipment Research Institute Co., Ltd., Shanghai 200240, China）
Abstract: The traditional fault diagnosis and early warning algorithm of wind turbine has low accuracy and slow early warning speed. Therefore, a fault diagnosis and early warning algorithm of wind turbine based on condition identification is proposed. Firstly, preprocess the fault diagnosis data, select the appropriate operating parameters of the wind turbine based on the condition identification, use the temperature prediction method to reflect the operating state of the equipment through the residual between the observed temperature and the expected temperature, use MSET to establish the temperature model of the wind turbine gearbox, determine the early warning index, and design the fault diagnosis and early warning algorithm of the wind turbine based on the condition identification. Experimental results show that the designed algorithm can effectively reduce the diagnosis and early warning time, and its accuracy is higher.
Keywords: condition identification; wind turbine; fault diagnosis; early warning algorithm
参考文献：
[1] 靳志杰，霍志红，许昌，等 . 基于特征选择和 XGBoost 的 风电机组故障诊断 [J]. 可再生能源，2021，39（3）：353-358.
[2] 邓子豪，李录平，刘瑞，等 . 基于 SCADA 数据特征提取 的风电机组偏航齿轮箱故障诊断方法研究 [J]. 动力工程学报，2021，41（1）：43-50.
[3] 王绍平，王冰，曹智杰，等 . 海上风电机组分布式控制系统 故障诊断与定位研究 [J]. 可再生能源，2020，38（10）：1343-1348.
[4] 孙群丽，周瑛，刘长良 . 基于 LARS 特征选择的风电机组 故障诊断的研究 [J]. 可再生能源，2020，38（10）：1349-1354.
[5] 常兴邦，詹俊，盛利 . 基于粒子滤波与 BP 神经网络的风 电机组主轴承温度故障诊断研究 [J]. 技术与市场，2020，27（6）： 11-15.
[6] 高峰，邓星星，刘强，等 . 大型风电机组电动变桨系统变 桨角度故障诊断 [J]. 太阳能学报，2020，41（5）：98-106.
[7] 邓子豪，李录平，刘瑞，等 . 大型风电机组电机驱动型主 动偏航系统故障诊断技术概述 [J]. 太阳能，2020（4）：34-41.
[8] 孙鹤旭，孙泽贤，张靖轩 . 基于并行模糊 C- 均值聚类的 风电机组发电机故障诊断研究 [J].太阳能学报，2020，41（3）：8-14.
作者简介：苏俊（1983.01—），男，汉族，江苏盐城人，中 级工程师，硕士研究生，研究方向：嵌入式开发、风机健康管理。