风电机组的叶片断裂预警方法和装置与流程

技术特征：
1.一种风电机组的叶片断裂预警方法，其特征在于，包括以下步骤：s1 根据特征变量选取方法和趋势提取方法把预设时间段内的历史运行数据提取成可用于模型训练的模型训练数据；s2 根据特征变量的特性，给出一个回归模型的结构，采用模型训练数据训练所述回归模型；s3 根据训练得到的模型，对比模型输出数据和实时运行数据之间的差异，根据预设的预警判断规则进行预警判断；s4 判断得到的预警信息用于提示运维人员，对叶片的健康状态进行检查。2.根据权利要求1所述的预警方法，其特征在于，所述特征变量选取方法为：选择风速、功率、转速、横向机舱振动和纵向机舱振动作为特征变量，将特征变量的历史运行记录作为训练模型的原始输入，历史数据的记录周期是1秒。3. 根据权利要求1所述的预警方法，其特征在于，风速、功率的历史数据的趋势提取方法为：采用滑动窗口中值法对数据进行趋势提取，滑动窗口的时间长度采用 5 分钟，滑动窗口的滑动步长采用1分钟；转速、横向机舱振动和纵向机舱振动的历史数据的趋势提取方法为：采用滑动窗口取极值的方法，即在5分钟的时间段内取数据记录的最大值，滑动窗口的滑动步长采用 1 分钟。4.根据权利要求1所述的预警方法，其特征在于，所述根据特征变量的特性，给出一个回归模型的结构为：选取趋势提取后的风速、功率和转速作为模型的输入变量，选取趋势提取后的纵向机舱振动和横向机舱振动作为输出变量，采用支持向量回归模型作为模型的底层结构。5.根据权利要求1所述的预警方法，其特征在于，所述预警判断规则包括：通过数据采集装置获取机组运行的实时数据，把实时运行数据输入模型，模型得到预测的数据，把模型预测的数据和实时运行数据进行对比，如果发现实时运行数据发生了趋势性的偏离，则发出叶片断裂预警信息。6. 根据权利要求5所述的预警方法，其特征在于，实时运行数据趋势性偏离的判断方法包括：实测值减去模型预测值得到一个差值，对差值进行求导；对差值导数进行滑动窗口中值计算，得到差值导数的滑动中值，滑动窗口的时间长度采用5分钟，滑动步长采用一分钟；如果差值导数的滑动中值连续 6 小时大于 0 ，则发出预警信息。7.一种采用权利要求1-6任意一项所述的方法进行风电机组的叶片断裂预警的装置，其特征在于，包括：历史数据获取模块，用于获取风电机组在预设时间段内的历史运行数据；实时数据通讯模块，用于获取数据及输出数据；模型训练模块，用于进行回归模型训练，输入历史数据记录，输出模型文件；预警判断模块，用于和实时数据通讯模块对接获取数据，并和运维管理系统对接输出预警信息。

技术总结
本发明公开了一种风电机组的叶片断裂预警方法和装置，该预警方法为：根据特征变量选取方法和趋势提取方法把预设时间段内的历史运行数据提取成可用于模型训练的模型训练数据，根据特征变量的特性，给出一个回归模型的结构，采用模型训练数据训练所述回归模型，根据训练得到的模型，对比模型输出数据和实时运行数据之间的差异，根据预设的预警判断规则进行预警判断，判断得到的预警信息用于提示运维人员，对叶片的健康状态进行检查。本发明的风电机组的叶片断裂预警方法和装置解决了现有技术中的风电机组的叶片健康检查方法需要投入很大的人力物力，成本较高的问题，并且能在早期发现叶片的健康问题。早期发现叶片的健康问题。早期发现叶片的健康问题。


技术研发人员：ꢀ(74)专利代理机构
受保护的技术使用者：国家能源（山东）新能源有限公司
技术研发日：2021.11.15
技术公布日：2022/3/21