本发明涉及风电齿轮箱监测，更具体的说是涉及一种风电齿轮箱分布式智能润滑监测与故障预警系统。
背景技术：
1、随着风能产业的快速发展，风电比重持续增加、产能日益增大，逐渐成为发电主力，风力发电机组尤其是大型兆瓦级风电机组对设备可靠性、可用率和运维成本的要求越来越高。风电齿轮箱作为风电机组的核心传动部件，承受着巨大的扭矩和动态载荷，风电齿轮的润滑是保证齿轮箱正常运行的基本条件，其润滑状况直接影响着整个系统的稳定性和使用寿命。而油液监测是评估齿轮箱润滑和磨损状态最直接有效的手段，传统的润滑管理和故障预警手段往往依赖定期人工检查和集中式监测系统，主要通过和预设阈值进行比对的方式，对监测到数据超出阈值时触发预警从而提醒维修人员注意，这种预警方式虽然简单快捷，但是存在响应滞后、精度不高、考虑因素单一等问题。同时，风电齿轮箱内部复杂的工况使得润滑油状态的变化非常敏感，任何细微的润滑问题都可能导致严重磨损甚至突发故障。
2、现有公开号为cn114607571a的中国专利公开了一种运用润滑系统监测的海上风电齿轮箱故障识别方法及系统，它包括利用风速功率曲线关系和四分位法剔除获取风电机组的scada历史运行数据中的异常数据、弃风限电数据；提取清洗后历史正常数据中的齿轮油泵出口压力和齿轮箱进口油压力，按照两者的斜率关系扩充数据，将原始数据和扩充数据代入单分类支持向量机模型，训练并获取正常情况下齿轮油泵出口压力和齿轮箱进口油压力两参数分布的边界曲线；正常历史数据代入训练好的模型，计算正常数据的上下阈值；对于需要测试的机组数据，获取平滑后的输出值，当输出指标在阈值范围内时表示风机齿轮箱正常，否则齿轮箱存在异常；本发明能够及时发现齿轮箱故障，降低风电场运维人员工作量和运维成本。
3、这种通过支持向量机模型训练风电齿轮箱油泵的进出口压力参数分布曲线，并将计算结果与阈值进行比对，判断齿轮箱的故障异常，虽然能够及时发现齿轮箱故障，但是仅通过齿轮箱进出口压力进行判断齿轮箱故障不够准确，可能增加错误报警率，并且不能对润滑系统的润滑状态有一个全面的评估。
技术实现思路
1、针对现有技术存在的不足，本发明的目的在于提供一种风电齿轮箱分布式智能润滑监测与故障预警系统，该发明通过实时监测风电齿轮箱的润滑状态参数，并基于历史离线状态参数对未来一段时间进行预测，将预测的状态参数通过模糊综合评价方法对润滑系统进行综合状态评估，根据评估结果实现润滑异常的快速识别和早期预警，缩短故障诊断时间窗口，降低了设备停机风险。
2、为实现上述目的，本发明提供了如下技术方案：包括数据采集模块、数据存储模块、数据处理模块、润滑监测模块、润滑评估模块、故障预警模块、用户界面模块，其中：
3、数据采集模块用于通过传感器按照采集方式实时采集风电齿轮箱润滑油系统的状态参数；
4、数据存储模块用于将数据采集模块采集到润滑油状态参数进行整合、加密并按时间序列进行存储；
5、数据处理模块用于对润滑油状态参数值进行预处理；
6、润滑监测模块用于根据将预处理后的历史离线润滑状态参数值训练状态参数预测模型，通过在训练好的数据中输入实时采集数据来预测未来一段时间的润滑状态参数值，并根据异常数据进行风险提示；
7、润滑评估模块用于存在风险提示的情况下，根据实时采集的润滑油状态参数值，通过动态权重结合模糊综合评价对当前的润滑状态进行评估；
8、故障预警模块用于根据润滑油状态产生预警信息；
9、用户界面模块用于将相关预警信息以直观的方式展示给运维人员，同时提供数据查询、报表生成功能。
10、作为本发明的进一步改进，所述传感器包括温度传感器、压力传感器、油品传感器、水分传感器、颗粒度传感器；
11、润滑系统的状态参数包括润滑油的温度、压力、流量、黏度、酸值、水分、磨损颗粒度；
12、自动采集按照预设的采集频率从各个传感器获取最新的润滑系统状态参数；
13、受控采集按照事件触发进行采集，事件触发具体包括工作人员手动采集、当采集状态参数超出安全阈值范围时增加采集频率。
14、作为本发明的进一步改进，所述安全阈值范围的确定方式具体包括：
15、s1：对润滑系统运行状态参数值按照采集时间组成时间状态序列；
16、s2：根据采集到的状态参数值绘制各状态参数的概率密度分布图，计算得到每种状态参数值的标准差：
17、
18、其中，表示第i种润滑油状态参数值的标准差，表示第i种润滑油状态参数的第j个测量值，k为采集的状态参数值的总数量,为第i种润滑油状态参数测量值的平均值；
19、s3：根据标准差确定安全阈值，安全阈值包括第一安全阈值，第二安全阈值，分别为：
20、
21、
22、其中，表示第i种状态参数的第一安全阈值，表示第i种状态参数的第二安全阈值，为第i种状态参数的阈值系数；确定所述安全阈值范围为<mi>[</mi><msub><mi>x</mi><mi>ic1</mi></msub><mi>,</mi><msub><mi>x</mi><mi>ic2</mi></msub><mi>]</mi>。
23、作为本发明的进一步改进，所述预处理具体包括对采集数据进行区间划分，并对每个区间的状态参数值进行异常点剔除、缺失值填充、数据归一化，其中：
24、区间划分通过设定时间间隔进行划分；
25、异常点剔除包括确定每个区间的每种润滑油状态参数值的安全阈值，当采集的状态参数值超出该区间的安全阈值时将该状态参数值界定为异常数据点，并用该区间的均值替代该异常数据点；
26、缺失值填充包括对于采集过程中缺失的状态参数值通过前一个状态参数值替代缺失值；
27、数据归一化通过归一化公式进行计算。
28、作为本发明的进一步改进，所述润滑监测模块具体还包括：模型训练单元、实时预测单元、风险提示单元，其中：
29、模型训练单元用于通过历史离线状态参数值训练状态参数预测模型；
30、实时预测单元用于根据训练好的状态参数预测模型输入实时采集的润滑油状态参数值，输出未来一段时间的润滑油每种状态参数预测值；
31、风险提示单元用于根据实时预测单元输出的状态参数预测值进行提前风险提示。
32、作为本发明的进一步改进，所述状态参数预测模型采用arima模型，训练方式具体包括以下步骤：
33、s10：构建风电齿轮箱润滑油的每种状态参数值的时间序列；
34、从数据处理模块获取预处理后的润滑状态参数值，分别建立每种润滑油状态参数值的时间序列，形式如下：
35、；
36、其中，g表示润滑油的温度、压力、流量、黏度、酸值、颗粒度中任一种润滑油状态参数值的时间序列；，，，，分别表示第1，2，……，n时刻的润滑油状态参数值；n为时间序列g中润滑油状态参数值的最大个数；
37、s20：对每种润滑油状态参数值进行平稳性检验，确定差分阶数d；
38、s30：确定arima模型的滞后阶数；
39、s40：对arima模型进行参数估计，采用极大似然估计法来估计arima模型的参数，待估计的参数包括常参数c，自回归参数，滑动平均参数，误差项；从而完成状态参数预测模型的训练。
40、作为本发明的进一步改进，：所述风险提示单元进行提示方式包括：
41、预测时间段采集的状态参数总个数为n；
42、当存在其中一种或多种润滑油状态参数预测值超出安全阈值范围的异常数据点数量为；
43、计算状态参数异常率，配置状态参数异常率阈值；
44、当异常率大于或等于异常率阈值，提前进行风险提示；当异常率小于异常率阈值，继续通过模型预测润滑油的每种状态参数预测值。
45、作为本发明的进一步改进，：所述润滑状态评估的方式包括：
46、s100：构建润滑油综合评价体系指标的状态参数集，记为，形式如下：
47、
48、其中，为风电齿轮箱润滑状态的第i种状态参数，i=1，2，...，l，l为润滑油状态参数总个数；
49、s200：构建风电齿轮箱润滑状态等级集，记为q，形式如下：
50、
51、其中，表示正常状态，表示注意状态，表示预警状态，表示警戒状态，表示故障状态；
52、s300：计算各润滑状态参数动态权重，并通过计算得出的动态权重构建状态参数的权重集，形式如下：
53、
54、其中，表示第i种状态参数的动态权重；i=1，2，...，l；
55、s400：选择正态型隶属函数，计算各状态参数对于各状态等级的隶属度，记作，，，，分别表示状态参数对状态等级~的隶属度；将隶属度组成关系模糊矩阵r；
56、s500：根据各润滑状态参数权重集和关系模糊矩阵，进行矩阵合成计算，得到润滑油状态的综合评价等级，矩阵合成计算公式如下：
57、
58、其中，，为依次对应风电齿轮箱润滑状态等级的隶属度，选取隶属度最大的润滑油状态等级作为对风电齿轮箱润滑状态的综合评判结果，实现对当前润滑状态的等级划分。
59、作为本发明的进一步改进，所述动态权重的计算方式如下：
60、计算每种状态参数的信息熵，计算公式如下：
61、
62、其中，表示第i个状态参数采集的k个状态参数值的信息熵，为归一化系数，为状态参数值的归一化值；
63、确定每种状态参数的信息熵权重，计算公式如下：
64、
65、其中，为第i种状态参数的信息熵权重；
66、通过每种状态参数的信息熵权重得到动态权重；
67、
68、其中，为第i种状态参数的动态权重，、分别表示第i种状态参数能够允许风电齿轮箱润滑系统正常运行的最大值和最小值，表示第i个状态参数测量值的平均值，表示惩罚系数。
69、作为本发明的进一步改进，所述故障预警模块对润滑状态等级为时向工作人员产生预警信息，所述预警信息包括采集到的润滑油各项状态参数、预警级别。
70、作为本发明的进一步改进，所述用户界面模块具体包括：
71、提供实时更新的润滑油状态参数仪表盘，以图表形式展示关键参数的趋势变化；
72、故障案例库，记录历史故障信息、处理过程、效果评价，向运维人员提供历史故障资料；
73、提供自定义报警类别和优先级，对不同程度的预警信息进行颜色编码和标签区分。
74、本发明的有益效果：
75、通过对风电齿轮箱润滑油多项状态参数的实时采集，在实现风电齿轮箱润滑油的在线监测，并将采集的历史状态参数按照时间序列进行存储，并通过历史离线状态数据训练构建状态参数预测模型，能够预测未来一段时间润滑油状态参数，从而提前对可能存在的风险进行提示，将对润滑油状态的监测演变为主动监控与风险预警，赋予运维人员充足的时间窗口，以便能够提前针对可能出现的问题采取预防性措施确保风电齿轮箱润滑系统运行的顺畅与安全，降低意外停机与维修成本；
76、根据未来时间段的风险提示，采集风电齿轮箱的实时状态参数值，通过模糊综合评价方式结合动态权重实现对风电齿轮箱润滑油的进一步评估，能够更精准的量化润滑油状态参数变化对整体润滑状态的影响，并根据润滑油状态及时发出故障预警，通过合理及时的监测风电齿轮箱润滑油的状态参数能够延长润滑油的使用寿命，减少设备维护和更换的次数，降低维护成本和设备故障率，同时便于运维人员根据润滑油的综合评价状态及时安排检修计划，从而显著提升了设备润滑管理精细化程度和故障预防能力。
1.一种风电齿轮箱分布式智能润滑监测与故障预警系统，其特征在于：包括数据采集模块、数据存储模块、数据处理模块、润滑监测模块、润滑评估模块、故障预警模块、用户界面模块，其中：
2.根据权利要求1所述的一种风电齿轮箱分布式智能润滑监测与故障预警系统，其特征在于：所述传感器包括温度传感器、压力传感器、油品传感器、水分传感器、颗粒度传感器；
3.根据权利要求2所述的一种风电齿轮箱分布式智能润滑监测与故障预警系统，其特征在于：所述安全阈值范围的确定方式具体包括：
4.根据权利要求3所述的一种风电齿轮箱分布式智能润滑监测与故障预警系统，其特征在于：所述预处理具体包括对采集数据进行区间划分，并对每个区间的状态参数值进行异常点剔除、缺失值填充、数据归一化，其中：
5.根据权利要求4所述的一种风电齿轮箱分布式智能润滑监测与故障预警系统，其特征在于：所述润滑监测模块具体还包括：模型训练单元、实时预测单元、风险提示单元，其中：
6.根据权利要求5所述的一种风电齿轮箱分布式智能润滑监测与故障预警系统，其特征在于：所述状态参数预测模型采用arima模型，训练方式具体包括以下步骤：
7.根据权利要求6所述的一种风电齿轮箱分布式智能润滑监测与故障预警系统，其特征在于：所述风险提示单元进行提示方式包括：
8.根据权利要求7所述的一种风电齿轮箱分布式智能润滑监测与故障预警系统，其特征在于：所述润滑状态评估的方式包括：
9.根据权利要求8所述的一种风电齿轮箱分布式智能润滑监测与故障预警系统，其特征在于：所述动态权重的计算方式如下：
10.根据权利要求9所述的一种风电齿轮箱分布式智能润滑监测与故障预警系统，其特征在于：所述故障预警模块对润滑状态等级为时向工作人员产生预警信息，所述预警信息包括采集到的润滑油各项状态参数、预警级别。
11.根据权利要求10所述的一种风电齿轮箱分布式智能润滑监测与故障预警系统，其特征在于：所述用户界面模块具体包括：
