基于模糊层次分析法的风机整机健康状态综合评价方法与流程

本发明涉及风电设备健康管理与运行状态智能评估的，尤其涉及一种基于模糊层次分析法的风机整机健康状态综合评价方法。

背景技术：

1、随着风力发电在全球可再生能源体系中的比重不断提升，风电机组的运行可靠性与健康管理能力已成为运维体系建设的核心议题，特别是在大容量、高海拔或复杂风况区域部署的风机，其运行环境更加恶劣，导致设备关键部件如主轴、齿轮箱、发电机等易发生性能劣化或故障，严重影响整机发电效率与安全性；为此，近年来广泛开展了基于多源运行数据的风机健康评估研究，利用温度、振动、载荷等信号构建健康指标体系，并结合层次分析法、模糊逻辑推理、贝叶斯网络等方法对风机健康状态进行多维度量化建模；然而，传统模糊层次分析方法基于人工经验确定健康指标的隶属度权重与权重层级结构，难以适应实际运行环境中健康指标间存在的动态关联性与非线性耦合问题，在风机运行过程中，各类指标（如振动幅度与载荷冲击）往往存在复杂的统计依赖关系，若忽略这些依赖性，仅通过主观判断或线性加权评估整机健康状态，极易造成模型假设偏差，无法准确反映实际健康水平；此外，部分研究虽尝试引入数据驱动方法以增强评估模型的客观性，但尚未解决“健康指标间的非线性耦合建模-与模糊层级结构融合-输出等级决策”这一关键技术链的连续性问题；因此，当前仍亟需提出一种融合多源指标关联建模能力与模糊层次分析推理优势的整机级健康评价方法。

2、cn114417704a公开了一种基于改进栈式自编码的风电机组发电机健康评估方法，提出采用改进栈式自编码网络从传感数据中提取潜在特征，并对发电机健康状态进行评分；该方案在特征抽取层面具有一定创新性，但其健康评分机制仍基于输出神经节点的激活程度，缺乏可解释的指标结构划分及权重建模过程，且未涉及指标间耦合关系建模，导致评估结果存在解释性不足的问题。

3、cn120450241a公开了一种风电场升压站多源数据融合防误闭锁智能决策与预警方法，基于专家知识与规则库对升压站监测数据进行融合分析，实现故障预警与误闭锁规避；尽管该方案提升了运维响应能力，但其在指标处理上仍以经验规则为主，未构建指标间的统计耦合模型，尤其在存在弱相关性或非线性依赖时，难以全面揭示系统健康演化规律，缺乏对“整站”级健康状态的结构化建模能力。

4、由此可见，现有风机健康评估方法存在以下技术问题：难以刻画健康指标之间的非线性统计依赖关系；缺乏将耦合分析结果与模糊层次结构融合的整合建模机制；健康状态输出结构多为单值评分，缺乏等级标签与状态边界信息的联动表达。

5、针对上述问题，本发明提供一种基于模糊层次分析法的风机整机健康状态综合评价方法，通过融合边缘分布识别、copula函数耦合建模、健康等级分段输出的方式，实现了多源健康指标间非线性依赖的建模、与多层模糊结构的结合计算以及整机健康等级标签与边界感知输出的综合评价，有效提升了风机整机健康评估的准确性、敏感性。

技术实现思路

1、本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例，在本部分以及本技术的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

2、鉴于上述现有存在的问题，提出了本发明。

3、为解决上述技术问题，本发明提供如下技术方案：在风机运行周期内采集风机各部件的温度数据、振动数据和载荷数据，形成健康指标原始数据集，并根据所述健康指标原始数据集建立用于整机健康评价的多层次指标结构；基于所述健康指标原始数据集，分别确定各健康指标的边缘分布特征，并采用时间序列相关性分析方法计算指标间的统计关联性，生成健康指标关联数据集；根据所述健康指标关联数据集，基于copula函数构建用于表征健康指标非线性关系的耦合模型，基于所述耦合模型输出的联合分布函数计算健康指标间的耦合强度值，构建健康指标耦合强度矩阵；将所述健康指标耦合强度矩阵与所述多层次指标结构对应的隶属度信息进行组合，采用模糊层次分析法计算整机健康评价分数，并根据预设健康等级区间输出整机健康状态，其中所述健康等级区间根据历史健康评价分数的分布特征进行划分。

4、作为本发明所述的基于模糊层次分析法的风机整机健康状态综合评价方法的一种优选方案，所述根据预设健康等级区间输出整机健康状态，包括：

5、设定整机健康状态分级区间，所述分级区间包括第一等级区间、第二等级区间和第三等级区间，其中第一等级区间的分数范围为大于等于0.8，第二等级区间的分数范围为大于等于0.5且小于0.8，第三等级区间的分数范围为小于0.5；

6、将所述整机健康评价分数依次与所述等级区间进行比较，确定对应区间编号，并提取相应等级标签，生成结构化健康状态数据单元；

7、基于所述整机健康评价分数与对应区间边界值的差值，生成表示当前等级边界接近程度的差值记录，并将所述差值记录写入健康状态输出结果的附加字段中，其中所述健康状态输出结果包含整机健康评价分数、对应健康等级标签及等级边界接近程度三个字段。

8、作为本发明所述的基于模糊层次分析法的风机整机健康状态综合评价方法的一种优选方案，计算所述整机健康评价分数，包括：

9、设定所述多层次指标结构中每项健康指标的初始隶属度权重并建立记录表；

10、读取所述健康指标耦合强度矩阵中每项耦合值，并与对应隶属度权重进行加权修正，形成修正隶属度记录表；

11、根据所述多层次指标结构，自下而上执行层级加权，生成综合隶属度记录表；

12、在所述综合隶属度记录表中引入耦合敏感度作为附加字段，并作为模糊层次分析的层级加权参数之一，输出最终整机健康评价分数。

13、作为本发明所述的基于模糊层次分析法的风机整机健康状态综合评价方法的一种优选方案，生成所述健康指标耦合强度矩阵，包括：

14、将所述健康指标按照多层次指标结构的编号顺序进行两两组合生成健康指标对，并建立索引；

15、基于所述健康指标对，从所述健康指标关联数据集中提取联合取值样本，形成关系样本子集；

16、对每一子集执行copula函数拟合，并按照预设的取值区间划分规则，对该子集内两个健康指标的取值范围进行分段划分，依据拟合参数计算耦合强度值，构建中间耦合强度记录表；

17、根据指标编号，构建以健康指标为行列索引的二维矩阵，将各耦合强度值填入非对角位置，形成健康指标耦合强度矩阵。

18、作为本发明所述的基于模糊层次分析法的风机整机健康状态综合评价方法的一种优选方案，所述预设的取值区间划分规则，包括：

19、读取所述关系样本子集中的每一项健康指标的数值范围，所述数值范围包括该健康指标在所有样本中的最小值与最大值；

20、将每一项健康指标的取值范围根据预设区间划分规则进行分段：

21、若所述健康指标的数值范围小于等于1，则将其取值范围划分为5个区间，每个区间的范围长度相同；

22、若所述健康指标的数值范围大于1且小于等于5，则将其取值范围划分为4个区间，每个区间的范围长度相同；

23、若所述健康指标的数值范围大于5且小于等于10，则将其取值范围划分为3个区间，每个区间的范围长度相同；

24、若所述健康指标的数值范围大于10，则将其取值范围划分为2个区间，每个区间的范围长度相同。

25、作为本发明所述的基于模糊层次分析法的风机整机健康状态综合评价方法的一种优选方案，对每一段划分后的区间，根据数值的大小分别进行等级标记，其中：

26、若所述健康指标的数值位于首位区间内，定义为低等级；若所述健康指标的数值位于中间区间内，定义为中等级；若所述健康指标的数值位于末位区间内，定义为高等级；

27、将区间划分后的等级标记与对应的健康指标一一匹配，生成每一健康指标对之间的非线性关系分段统计记录，并为每一段生成一个对应的频次统计值。

28、作为本发明所述的基于模糊层次分析法的风机整机健康状态综合评价方法的一种优选方案，生成所述健康指标关联数据集，包括：

29、读取所述健康指标原始数据集中每一健康指标的取值序列，并从该取值序列中提取用于描述波动趋势、偏移幅度和集中位置的单指标分布特征，并将所述单指标分布特征写入边缘分布特征记录表中；

30、根据所述边缘分布特征记录表中的每一健康指标分布特征，对各健康指标之间进行两两比对，计算用于表征指标间线性关系的统计关联性结果，并将每一统计关联性结果写入指标关联记录表中；

31、在所述指标关联记录表中，根据统计关联性结果的数值变化范围生成指标关联强度标识，并将各指标关联强度标识写入关联强度字段中；

32、在所述关联强度字段中，根据所述健康指标的编号顺序，将各项关联强度标识进行汇总，生成健康指标关联数据集。

33、作为本发明所述的基于模糊层次分析法的风机整机健康状态综合评价方法的一种优选方案，所述计算用于表征健康指标之间线性关系的统计关联性结果，包括：

34、读取每一健康指标的取值序列，并对所述取值序列执行离散化处理，再将处理后的数据写入离散化指标序列记录表中；

35、对所述离散化指标序列记录表中的每一对健康指标，按照时间窗口滑动方式提取对齐数据段，形成对比分析样本，并将该样本写入指标对比样本字段中；

36、根据所述指标对比样本字段中的对齐数据段，分别计算平均差值系数、变化方向一致率及等级序列相关系数，并将三类统计结果写入指标关联分析字段中；

37、对所述指标关联分析字段中的三类统计结果进行加权合成，生成最终统计关联性结果。

38、作为本发明所述的基于模糊层次分析法的风机整机健康状态综合评价方法的一种优选方案，形成所述健康指标原始数据集，包括：

39、在风机运行周期内，按照预设数据采样间隔采集各部件的温度、振动与载荷数据，并将各数据源对应的原始测值写入初始监测数据字段中；

40、对所述初始监测数据字段中的数据进行时序同步处理，并根据测点编号与指标类型的映射关系，生成结构统一的采样数据集，并写入时间对齐数据记录表中；

41、对所述时间对齐数据记录表中的采样数据，执行异常值剔除与缺失补全处理，并将处理结果写入数据清洗记录表中；

42、将所述数据清洗记录表中的所有字段按健康指标维度重新排序，并生成包含指标编号、指标类型、测值序列的健康指标原始数据集。

43、作为本发明所述的基于模糊层次分析法的风机整机健康状态综合评价方法的一种优选方案，根据所述健康指标原始数据集建立用于整机健康评价的多层次指标结构，包括：

44、根据风机系统部件的功能划分关系，依据所述健康指标原始数据集中指标的归属部件，将全部健康指标划分为发电机系统、主轴系统、变桨系统、偏航系统的一级结构单元，并将划分结果写入一级指标结构映射表中；

45、在所述一级指标结构映射表中，依据每个一级结构单元中所包含指标的监测参数类型，将其进一步分类为温度类、振动类与载荷类指标，并写入二级指标结构表中；

46、基于所述二级指标结构表中各指标的编号、归属部件与所属类型信息，生成多层次结构路径标识，并将所述多层次结构路径标识写入指标结构路径字段中；

47、将所述指标结构路径字段与每个健康指标在原始数据集中的唯一编号进行绑定，形成多层次指标结构。

48、本发明的有益效果：本发明通过构建原始健康指标采集、指标边缘分布识别与关联分析、copula函数耦合建模以及模糊层次分析融合输出，实现了多源健康指标间复杂关系的显性建模与层级融合，突破了传统模糊层次分析方法在指标独立性假设、主观权重设定、评估输出单一等方面的局限；通过将耦合强度矩阵引入模糊分析过程，实现了健康权重动态调整的机制创新；通过采用历史健康评价数据生成等级区间，实现了健康标签输出的自适应优化；有效提升了风机整机健康评估的准确性、敏感性。