一种风机变桨子系统故障预警方法与流程

技术特征：
1.一种风机变桨子系统故障预警方法，其特征在于，包括以下步骤：步骤1，获取变桨子系统原始训练样本，原始训练样本包括若干原始参数字段；步骤2，对原始训练样本进行预处理得到预处理训练样本；步骤3，对预处理训练样本中的原始参数字段进行参数过滤，得到核心参数，根据核心参数得到核心特征样本，核心特征样本包括正常数据样本和故障数据样本；步骤4，故障数据样本进行过采样，以使故障数据样本与正常数据样本达到平衡，得到新核心特征样本；步骤5，对新核心特征样本进行训练，得到变桨子系统预测模型；步骤6，根据变桨子系统预测模型对待预测样本进行预测，得到预测结果。2.根据权利要求1所述的一种风机变桨子系统故障预警方法，其特征在于，步骤1中，原始参数字段包括时间数据、主轴转速均值、轮毂温度均值、第一叶片变桨角度均值、第二叶片变桨角度均值、第三叶片变桨角度均值、第一叶片变桨超级电容电压均值、第二叶片变桨超级电容电压均值、第三叶片变桨超级电容电压均值、第一叶片变桨电机温度均值、第二叶片变桨电机温度均值、第三叶片变桨电机温度均值、有功功率均值、机组号、第一变桨行程、第二变桨行程和第三变桨行程。3.根据权利要求1所述的一种风机变桨子系统故障预警方法，其特征在于，步骤2中，对原始训练样本进行预处理得到预处理训练样本，具体方法是：依次对原始训练样本进行空值处理、类型转换和标准化转换，得到预处理训练样本。4.根据权利要求3所述的一种风机变桨子系统故障预警方法，其特征在于，所述空值处理的具体方法是：按照行维度和列维度交叉的方式对原始训练样本进行空值处理，得到空值处理后的训练样本；类型转换的具体方法是：对空值处理后的训练样本中的原始类型为字符型的原始参数字段进行整形转换，得到连续型数值字段；标准化转换的具体方法是：对每个连续型数值字段采用归一化处理方法进行处理，得到预处理训练样本。5.根据权利要求1所述的一种风机变桨子系统故障预警方法，其特征在于，步骤3中，对预处理训练样本中的每个归一化处理的连续型数值字段进行参数过滤，得到核心参数，具体方法是：分别计算预处理训练样本中的每个归一化处理的连续型数值字段对于风机变桨子系统状态预测的重要性分数，并根据每个归一化处理的连续型数值字段的重要性得分筛选得到核心参数。6.根据权利要求5所述的一种风机变桨子系统故障预警方法，其特征在于，计算预处理训练样本中的每个归一化处理的连续型数值字段对于风机变桨子系统状态预测的重要性，具体方法是：s31，计算每个归一化处理的连续型数值字段对变桨状态预测影响的方差，根据得到的方差计算对应的每个归一化处理的连续型数值字段的f值和p值；s32，根据s31中得到的每个归一化处理的连续型数值字段的f值和p值计算每个归一化
处理的连续型数值字段对变桨状态预测影响的重要性分数。7.根据权利要求1所述的一种风机变桨子系统故障预警方法，其特征在于，步骤5中，对核心特征样本进行训练，得到变桨子系统预测模型的具体方法是：将核心特征样本进行随即切分，得到k个子训练样本集；基于决策树分类算法和随机森林算法构建内部弱分类器，并构建内部投票分类器，将弱分类器输入内部投票分类器，对k个子训练样本集训练，得到k个投票分类模型；采用软投票方法对k个投票分类模型在外部再次投票选取得分最高的投票分类模型，得到变桨子系统预测模型。8.根据权利要求1所述的一种风机变桨子系统故障预警方法，其特征在于，步骤6中，预测结果包括预测时间、预测状态和预测概率，其中，预测状态为正常状态或故障状态。9.一种风机变桨子系统故障预警系统，其特征在于，该系统能够运行权利要求1
‑
8中任一项所述的一种风机变桨子系统故障预警方法，包括数据采集单元、数据处理单元、样本构建单元、样本处理单元、模型构建单元和预测单元，其中：数据采集单元用于获取变桨子系统原始训练样本，原始训练样本包括若干原始参数字段；数据处理单元用于对原始训练样本进行预处理得到预处理训练样本；样本构建单元用于对预处理训练样本中的原始参数字段进行参数过滤，得到核心参数，根据核心参数得到核心特征样本，核心特征样本包括正常数据样本和故障数据样本；样本处理单元用于对故障数据样本进行过采样，以使故障数据样本与正常数据样本达到平衡，得到新核心特征样本；模型构建单元用于对新核心特征样本进行训练，得到变桨子系统预测模型；预测单元用于根据变桨子系统预测模型对待预测样本进行预测，得到预测结果。

技术总结
本发明提供的一种风机变桨子系统故障预警方法，包括：获取变桨子系统原始训练样本，原始训练样本包括若干原始参数字段；对原始训练样本进行预处理得到预处理训练样本；对预处理训练样本中的参数字段进行参数过滤，得到核心参数以及核心特征样本，其中，核心特征样本包括正常数据样本和故障数据样本；对故障数据样本进行过采样，以使故障数据样本与正常数据样本达到均衡；采用多重投票法对核心特征样本进行训练，得到变桨子系统预测模型；根据变桨子系统预测模型对待预测样本进行预测，得到预测结果；本发明建立了基于风机变桨子系统的核心参数的变桨子系统预测模型，通过该模型能够得到较为精准的风机变桨子系统的故障预测结果。到较为精准的风机变桨子系统的故障预测结果。


技术研发人员：赵勇 童博 王忠杰 高晨 陈臣 李立勋 王新 王燕
受保护的技术使用者：西安热工研究院有限公司
技术研发日：2021.05.31
技术公布日：2021/9/6