本發(fā)明涉及風電機組，具體而言，涉及一種風電機組葉片故障分析方法。

背景技術：

1、風力發(fā)電作為清潔能源的重要組成部分，其運行效率與可靠性在很大程度上依賴于風電機組葉片的正常運作。葉片作為風電機組的關鍵部件，長期暴露在復雜多變的環(huán)境條件下，承受交變載荷、極端天氣等多種因素的影響，極易產生各類故障。據統計，葉片故障失效不僅會導致高額維修成本，還會造成長時間停機，嚴重影響發(fā)電效率和經濟收益。

2、現有技術中基于單一參量分析的葉片故障診斷方法存在明顯局限性，難以全面準確地評估葉片的實際運行狀態(tài)。以傳統的振動監(jiān)測方法為例，僅通過閾值判斷振動數據是否超標來進行故障診斷，這種單一維度的分析方法存在以下不足：僅依靠振動信號難以全面反映葉片的復雜工況；缺乏有效的多模態(tài)數據融合機制，難以全面捕捉葉片狀態(tài)信息，無法保證風電機組葉片的故障分析精度和效率。

技術實現思路

1、本發(fā)明實施例提供一種風電機組葉片故障分析方法，本發(fā)明通過多模態(tài)數據分析，保證風電機組葉片的故障分析精度和故障分析效率，避免風電機組因故障造成的長時間停機，影響發(fā)電效率和經濟收益。

2、為了實現上述目的，本發(fā)明提供了一種風電機組葉片故障分析方法，包括：

3、預先設定多個參數采集時刻，基于參數采集時刻采集風電機組葉片的多組葉片運行參數，將每個參數采集時刻對應的同等的葉片運行參數進行劃分，得到多個葉片運行參數組；

4、基于預設的突變概率檢測方法對所述葉片運行參數組進行突變檢測，基于突變檢測結果，確定基準葉片運行參數集，并根據所述基準葉片運行參數集計算所述葉片運行參數組對應的葉片運行故障特征因子；

5、確定每個葉片運行參數組對應的葉片運行故障特征因子，將所有的葉片運行故障特征因子進行升序排序，并基于升序排序結果計算所述風電機組葉片的葉片故障分析系數；

6、獲取預先設定的預設葉片故障分析系數，根據所述葉片故障分析系數和所述預設葉片故障分析系數之間的關系，判斷所述風電機組葉片是否存在葉片運行故障。

7、進一步地，在基于預設的突變概率檢測方法對所述葉片運行參數組進行突變檢測，基于突變檢測結果，確定基準葉片運行參數集時，包括：

8、基于預設的突變概率檢測方法對所述葉片運行參數組進行突變檢測，確定所述葉片運行參數組中每一個葉片運行參數對應的突變概率；

9、從所有的突變概率中提取最大突變概率，并確定與所述最大突變概率對應的突變葉片運行參數；

10、基于所述參數采集時刻對所述葉片運行參數組進行排序重組；

11、以所述突變葉片運行參數為分界線，確定所述葉片運行參數組中所述突變葉片運行參數的左側葉片運行參數，確定所述葉片運行參數組中所述突變葉片運行參數的右側葉片運行參數；

12、分別確定每一個左側葉片運行參數與所述突變葉片運行參數的左聚類距離，將所有的左聚類距離進行升序排序，并選取前q1個左聚類距離對應的葉片運行參數，作為第一葉片運行參數；

13、分別確定每一個右側葉片運行參數與所述突變葉片運行參數的右聚類距離，將所有的右聚類距離進行升序排序，并選取前q2個右聚類距離對應的葉片運行參數，作為第二葉片運行參數；

14、將所述突變葉片運行參數、所有第一葉片運行參數以及所有第二葉片運行參數進行整合，得到所述基準葉片運行參數集。

15、進一步地，在根據所述基準葉片運行參數集計算所述葉片運行參數組對應的葉片運行故障特征因子時，包括：

16、將所述基準葉片運行參數集中的葉片運行參數進行曲線擬合，得到葉片運行參數擬合曲線，其中，以每個葉片運行參數對應的參數采集時刻為橫坐標，以每個葉片運行參數為縱坐標；

17、確定所述葉片運行參數擬合曲線上的擬合斜率，并選取最大擬合斜率；

18、計算所述最大突變概率和所述最大擬合斜率的乘積值，作為所述葉片運行參數組對應的葉片運行故障特征因子。

19、進一步地，在確定每個葉片運行參數組對應的葉片運行故障特征因子，將所有的葉片運行故障特征因子進行升序排序，并基于升序排序結果計算所述風電機組葉片的葉片故障分析系數時，包括：

20、確定所有葉片運行故障特征因子對應的代表葉片運行故障特征因子，其中，所述代表葉片運行故障特征因子為所有葉片運行故障特征因子的均值；

21、根據所述代表葉片運行故障特征因子將所有的葉片運行故障特征因子劃分為三個不同的葉片運行故障特征因子序列；

22、基于三個不同的葉片運行故障特征因子序列計算所述風電機組葉片的葉片故障分析系數。

23、進一步地，在根據所述代表葉片運行故障特征因子將所有的葉片運行故障特征因子劃分為三個不同的葉片運行故障特征因子序列時，包括：

24、預先設定第一預設調節(jié)系數和第二預設調節(jié)系數；

25、確定所述第一預設調節(jié)系數與所述代表葉片運行故障特征因子的第一乘積值，作為第一代表葉片運行故障特征因子；

26、確定所述第二預設調節(jié)系數與所述代表葉片運行故障特征因子的第二乘積值，作為第二代表葉片運行故障特征因子；

27、確定最小葉片運行故障特征因子，將所述最小葉片運行故障特征因子與所述第一代表葉片運行故障特征因子之間的葉片運行故障特征因子劃分至第一葉片運行故障特征因子序列；

28、將所述第一葉片運行故障特征因子與所述第二代表葉片運行故障特征因子之間的葉片運行故障特征因子劃分至第二葉片運行故障特征因子序列；

29、確定最大葉片運行故障特征因子，將所述最大葉片運行故障特征因子與所述第二代表葉片運行故障特征因子之間的葉片運行故障特征因子劃分至第三葉片運行故障特征因子序列。

30、進一步地，在基于三個不同的葉片運行故障特征因子序列計算所述風電機組葉片的葉片故障分析系數時，包括：

31、統計所述第一葉片運行故障特征因子序列中葉片運行故障特征因子的第一因子數量；

32、統計所述第二葉片運行故障特征因子序列中葉片運行故障特征因子的第二因子數量；

33、統計所述第三葉片運行故障特征因子序列中葉片運行故障特征因子的第三因子數量；

34、基于所述第一因子數量、第二因子數量和第三因子數量計算所述風電機組葉片的葉片故障分析系數。

35、進一步地，在基于所述第一因子數量、第二因子數量和第三因子數量計算所述風電機組葉片的葉片故障分析系數時，包括：

36、根據下式計算所述風電機組葉片的葉片故障分析系數：

37、；

38、其中，p為風電機組葉片的葉片故障分析系數，u為葉片運行故障特征因子的數量，yi為第i個葉片運行故障特征因子，t1為第一代表葉片運行故障特征因子，t2為第二代表葉片運行故障特征因子，r1為第一因子數量，r2為第二因子數量，r3為第三因子數量。

39、進一步地，在獲取預先設定的預設葉片故障分析系數，根據所述葉片故障分析系數和所述預設葉片故障分析系數之間的關系，判斷所述風電機組葉片是否存在葉片運行故障時，包括：

40、當所述葉片故障分析系數小于所述預設葉片故障分析系數時，則判斷所述風電機組葉片不存在葉片運行故障；

41、當所述葉片故障分析系數大于或等于所述預設葉片故障分析系數時，則判斷所述風電機組葉片存在葉片運行故障。

42、進一步地，在判斷所述風電機組葉片存在葉片運行故障之后，還包括：

43、根據葉片故障分析系數，發(fā)出不同的故障預警等級，其中，當葉片故障分析系數處于[0.2,0.4）時，則發(fā)出低故障預警等級，處于[0.4,0.6）時，發(fā)出中故障預警等級，處于[0.6,1]時，發(fā)出高故障預警等級。

44、與現有技術相比，本發(fā)明的有益效果在于：

45、本發(fā)明公開了一種風電機組葉片故障分析方法，基于參數采集時刻采集風電機組葉片的多組葉片運行參數，將每個參數采集時刻對應的同等的葉片運行參數進行劃分，得到多個葉片運行參數組；對葉片運行參數組進行突變檢測，確定基準葉片運行參數集，計算葉片運行故障特征因子；將葉片運行故障特征因子進行升序排序，計算風電機組葉片的葉片故障分析系數；獲取預先設定的預設葉片故障分析系數，根據葉片故障分析系數和預設葉片故障分析系數，判斷風電機組葉片是否存在葉片運行故障，通過多模態(tài)數據分析，保證風電機組葉片的故障分析精度和故障分析效率，避免風電機組因故障造成的長時間停機，影響發(fā)電效率和經濟收益。