基于自适应人工智能AI算法的风机传动链健康预警软件和应用.pdfVIP

第47卷第06期水电站机电技术Vol.47No.06

402024年06月MechanicalElectricalTechniqueofHydropowerStationJun.2024

基于自适应人工智能AI算法的风机传动链健康预警软件和应用

谭振国，刘旭东

（五凌电力有限公司新能源分公司，湖南长沙410029）

摘要：旨在解决风力发电行业面临的风机传动链部件故障带来的运营和维护挑战。基于模型的方法和基于数据

驱动的方法，采用自适应人工智能算法，结合设备模型和故障样本数据，实现对风机传动链部件故障的预警模型识

别。通过分析风机历史运行数据，运用高斯混合模型原理和数据预处理模块清洗和处理数据，构建针对风机传动

链的故障特征指标，利用机器学习方法训练模型，实现故障预警。同时，建立邻近风机选取方法和温度比较模型，

对比实现故障报警，提高风电场运维效率，节约维护成本，取得了显著的经济效益。可进一步推广至更多新能源场

站，与生产管理系统结合使用，提升综合管理水平，进一步优化预警效果，为风力发电行业的安全性和经济性提供

更好的保障。

关键词：AI算法；健康预警；人工智能；风电场；运维；经济效益

中图分类号：TK83文献标识码：B文章编号：1672-5387(2024)06-0040-04

DOl:10.13599/j.cnki.11-5130.2024.06.012

是一个连续的过程,故障可能是由一系列部件协作

0引言

造成的,此种方法不能发现多部件的联动故障。基

随着新能源电力的迅速发展，近年来风力发电于数据驱动的方法，是基于海量的风机数据和故障

厂的装机容量迅速增加，居高不下的运营和维护成样本来建立预测模型，直接从数据中学习模型,所以

本为运营方带来了巨大的挑战，风机传动链作为风对于数据的依赖性更强。本次项目采用的是结合以

电机组的核心发电部件，一旦失效会带来极大的检上两种常用方法的优点，即同时基于成熟的设备模

修和更换成本，而且由于发电机、齿轮箱、主轴承等型和故障样本数据，采用自适应人工智能算法的方

设备的库存通常备货量有限，如果无法提前预知故式,在原有设备模型和故障模型的基础上,针对特定

障的发生，非计划性停机带来的停机损失可能会长的故障或者环境条件生成故障预警模型。一定程度

达数月之久。为了解决面临的部件失效问题，基于上避免了持续的对于故障模型和算法投入以及后续

已接人的风机运行数据,通过基于人工智能的算法，的预警不确定性风险，实现系统的自主模型升级。

识别风机传动链部件的失效模型，从而可以提前预1.2应用现状及推广前景

警传动链部件的故障Ⅱ,2]。我国目前风机装机近16万台，目前所有风机传

动链部件的运行维护均采用定期人工检查维护加故

1技术背景研究

障检修模式来进行,如果能够利用基于人工智能AI

1.1国内外技术现状算法的风机传动链部件故障预警软件来指导现场运

目前国内外风机传动链故障检测的方法是两维工作，不仅能够完全规避大部件非计划检修的风

种：基于模型的方法和基于数据驱动的方法。基于险,而且能够变非计划性检修为计划检修,缩短故障

模型的方法是根据机器内在的运作规则和物理特设备的维护时间、提高维护的效率，从而提高风电场

性，建立关于部件故障的数学模型，用模型输出和真的发电效益，因此具备较大的市场潜力和应用前景。

实输出的残差来标明是否发生故障，这种方法的一

收稿日期：2023-12-28

个重要缺陷是只能检测特定部件的特定故障，对于作者简介：谭振国（1978-),男，高级工程师，从事新能源生产管理工

复杂系