一种风机运行健康状态预警方法及系统与流程

技术特征：
1.一种风机运行健康状态预警方法，其特征在于，包括以下步骤：步骤1，获取发电机子系统的原始训练样本，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参数字段进行参数过滤，得到核心特征样本，其中，核心特征样本包括正常数据样本和故障数据样本；步骤4，对故障数据样本进行过采样，得到新的核心特征样本；步骤5，采用基于支持向量机分类算法和随机森林算法的多重投票法对核心特征样本进行训练，得到发电机子系统预测模型；步骤6，根据发电机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所述的一种风机运行健康状态预警方法，其特征在于，步骤1中，若干原始参数字段分别为数据时间、有功功率均值、发电机转速均值、发电机驱动端轴承温度均值、发电机非驱动端轴承温度均值、发电机定子u相绕组温度均值、发电机定子v相绕组温度均值、发电机定子w相绕组温度均值和机组号。3.根据权利要求1所述的一种风机运行健康状态预警方法，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所述的一种风机运行健康状态预警方法，其特征在于，步骤3中，对预处理训练样本中的参数字段进行参数过滤，得到核心特征样本，具体方法是：在预处理训练样本中增加标签列，其中，标签列包括正常标签和故障标签；分别计算预处理训练样本中各个参数字段对齿轮箱状态预测影响的重要性分数；根据各个参数字段对发电机状态预测影响的重要性分数筛选得到核心参数；由核心参数形成核心特征样本。6.根据权利要求1所述的一种风机运行健康状态预警方法，其特征在于，步骤5中，采用基于支持向量机分类算法和随机森林算法的多重投票法对核心特征样本进行训练，具体方法是：s51：将所述核心特征样本进行随即切分，得到k个子训练样本集；s52：基于支持向量机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，对所述k个子训练样本集训练，得到k个投票分类模型，选取得分最高的弱分类器作为对应投票分类模型的输出；s53：根据内部投票分类器的评估得分，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，得到发电机子系统预测模型。7.根据权利要求1所述的一种风机运行健康状态预警方法，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。8.一种风机运行健康状态预警系统，其特征在于，该系统能够运行权利要求1
‑
7中任一项所述的一种风机运行健康状态预警方法，包括：数据采集单元，用于获取发电机子系统的原始训练样本，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，得到新核心特征样本；模型构建单元，用于基于支持向量机分类算法和随机森林算法的多重投票法对核心特征样本进行训练，得到发电机子系统预测模型；预测单元，用于根据发电机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运行健康状态预警方法及系统，包括获取发电机子系统的原始训练样本；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，得到核心特征样本；对故障数据样本进行过采样，得到新的核心特征样本；采用基于支持向量机分类算法和随机森林算法的多重投票法对核心特征样本进行训练，得到发电机子系统预测模型；根据发电机子系统预测模型对待预测样本进行预测，得到预测结果；本发明能够实现对风机发电机的状态、故障发生概率，故障发生时间的预测，可以得到较为精准的预测结果，利于用户对风机的及时维护。于用户对风机的及时维护。于用户对风机的及时维护。


技术研发人员：童博 赵勇 王忠杰 陈臣 高晨
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：2021.08.20
技术公布日：2021/10/15