一种风力发电机组智能预警方法及系统与流程

1.本发明涉及风力发电监测技术领域，具体而言，涉及一种风力发电机组智能预警方法及系统。


背景技术：

2.风能作为一种绿色无污染的新能源，越来越受到重视，是未来的主要能源资源。然而许多风电场往往在偏远的戈壁滩，受复杂多变的环境因素影响，长时间在复杂的运行工况下，风电机组各部件性能会逐渐下降，机组故障率也会不断升高，最终导致部件发生故障，机组停运。因此，实时的对风电机组状态运行监测和故障预警诊断非常有必要。
3.目前，风电机组已经有大量传感器向服务器写入数据，形成了数量大、多源、异构的复杂风电机组状态监测数据；很多设备的早期故障信息隐藏在这些海量数据中，由于得不到深层次的挖掘，风电机组运维人员不能及时得到预警，往往知晓问题后，已经对风电机组的工作造成了影响，进而使风电机组发电的效率降低。
4.因此，需要一种风力发电机组智能预警方法，通过对海量监测数据的挖掘应用，形成对风电机组故障的提前预测，便于工作人员对风电机组的维护，使风电机组能够长时间稳定的工作运行。


技术实现要素：

5.本发明的目的在于提供一种风力发电机组智能预警方法及系统，其通过对海量监测数据的挖掘应用，形成对风电机组故障的提前预测，使运维人员能够提前感知风力机组的健康状态，进而对潜在的故障防范于未然，保障风电场的高效产出。
6.本发明的实施例通过以下技术方案实现：
7.第一方面，提供一种风力发电机组智能预警方法，包括如下步骤：
8.s1.获取多个连续时间段的风力发电机组的所有种类的监测数据，并将各个时间段所述监测数据送入基于方差的数据筛选模型中，得到各类监测数据在所述时间段内多个采集节点的数据方差；
9.s2.将风力发电机组中的所有设备两两之间按耦合度分类，若两设备之间所述耦合度高于预设第一阈值时，则将两设备分为耦合设备，并将与所述耦合设备相关的多个连续时间段的所述监测数据的方差作为输入数据送入预警模型中；
10.s3.所述预警模型根据所述输入数据的趋势变化预测风力发电机组的设备健康度，若健康度低于第二阈值时，则输出故障预警信息。
11.进一步的，还包括对所述故障预警信息以及健康度进行修正；具体为，设置专家经验库，根据所述专家经验库对所述故障预警信息进行修正；所述专家经验库包括所有故障类型信息、对应故障发生前一预设时间段内风力发电机组的监测数据以及处理相应故障的措施。
12.进一步的，还包括建立风力发电机组的bim模型，所述bim模型根据所述风力发电
机组中的设备情况建立，并将各设备的健康度情况通过bim模型呈现。
13.进一步的，所述预警模型的建立具体为基于bp算法的信号前向传播和误差的反向传播；正向传播时，输入信号通过隐含层作用于输出节点，经过非线性变换，产生输出信号；若实际输出与期望输出不相符，则转入误差的反向传播，将输出误差通过隐含层向输入层逐层反传，并将误差分摊给所有单元，以从各层获得的误差信号作为调整各单元权值的依据；通过调整输入节点与隐层节点的联接强度和隐层节点与输出节点的联接强度，使误差沿梯度方向下降，经过多重训练，进而得到最优的预警模型。
14.进一步的，所述方法还包括获取所述连续时间段内多个采集节点的数据最大差值，并根据所述最大差值调整所述预警模型中的影响因子，所述最大差值的数值与影响因子成正相关。
15.进一步的，所述监测数据均通过scada系统采集获取。
16.第二方面，提供一种风力发电机组智能预警系统，包括数据采集设备、通信设备、控制中心以及移动终端；所述数据采集设备和移动终端均通过所述通信设备与所述控制中心通信连接；所述数据采集设备用于采集风力发电机组所有种类的监测数据；所述控制中心用于接收所述数据采集设备所采集的监测数据，并运行预警模型对风力发电机组进行故障预警并将所述故障预警信息发送至所述移动终端；所述移动终端用于接收并提醒风力发电机组的故障信息。
17.进一步的，所述数据采集设备至少包括scada系统中的采集传感器以及电机、齿轮箱的温度传感器。
18.第三方面，提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述的风力发电机组智能预警方法。
19.第四方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的风力发电机组智能预警方法的步骤。
20.本发明实施例的技术方案至少具有如下优点和有益效果：
21.(1)通过对海量监测数据的挖掘应用，形成对风电机组故障的提前预测，使运维人员能够提前感知风力机组的健康状态，进而对潜在的故障防范于未然，进而可通过及时调整风机运行控制策略，保障风电场的高效产出；
22.(2)同时引入专利经验规则库，实现对故障预警信息的修正，使得故障预警信息更加准确；
23.(3)通过对监测数据的进行关联，进而实现对不同设备部件故障信息的准确预测。
附图说明
24.图1为本发明提供的方法的流程示意图；
25.图2为本发明提供的系统的结构示意图。
具体实施方式
26.为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是
本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
27.第一方面，提供一种风力发电机组智能预警方法，包括如下步骤：
28.s1.获取多个连续时间段的风力发电机组的所有种类的监测数据，并将各个时间段所述监测数据送入基于方差的数据筛选模型中，得到各类监测数据在所述时间段内多个采集节点的数据方差；仅通过方差进行数据比对，易出现预警不准确的情况，因此所述方法还包括获取所述连续时间段内多个采集节点的数据最大差值，并根据所述最大差值调整所述预警模型中的影响因子，所述最大差值的数值与影响因子成正相关。
29.其中，该影响因子，为预警模型中的预设常数值，该常数值的大小与连续时间段内多个采集节点的数据最大差值的数值大小呈正相关，即数据最大差值的数值越大，该常数值则越大，进而出现故障预警的可能性则越大。
30.s2.将风力发电机组中的所有设备两两之间按耦合度分类，若两设备之间所述耦合度高于预设第一阈值时，则将两设备分为耦合设备，并将与所述耦合设备相关的多个连续时间段的所述监测数据的方差作为输入数据送入预警模型中；该耦合度即设备间相互影响的程度，如当一设备a出现故障时，其会明显对设备b的运行造成影响，则判断设备a、b的耦合度较高。
31.s3.所述预警模型根据所述输入数据的趋势变化预测风力发电机组的设备健康度，若健康度低于第二阈值时，则输出故障预警信息。
32.仅靠数据进行预警，其虽然具有较高的准确度，但是其出现误判的概率依然还有进一步改进的空间，因此该方法还包括对所述故障预警信息以及健康度进行修正；具体为，设置专家经验库，根据所述专家经验库对所述故障预警信息进行修正；所述专家经验库包括所有故障类型信息、对应故障发生前一预设时间段内风力发电机组的监测数据以及处理相应故障的措施。
33.专家经验库的设置可以是通过数据范围对应设备状态、应对方式的预设经验表格，也可以是通过人工智能的方式对专家的经验进行学习，从而完善专家经验库，实现通过专家经验库进行故障预警信息的修正。
34.为了直观的观察风力发电机组的设备健康状态，该方法还包括建立风力发电机组的bim模型，所述bim模型根据所述风力发电机组中的设备情况建立，并将各设备的健康度情况通过bim模型呈现。
35.需要说明的是，该方法中所述预警模型的建立方法之一具体为基于bp算法的信号前向传播和误差的反向传播；正向传播时，输入信号通过隐含层作用于输出节点，经过非线性变换，产生输出信号；若实际输出与期望输出不相符，则转入误差的反向传播，将输出误差通过隐含层向输入层逐层反传，并将误差分摊给所有单元，以从各层获得的误差信号作为调整各单元权值的依据；通过调整输入节点与隐层节点的联接强度和隐层节点与输出节点的联接强度，使误差沿梯度方向下降，经过多重训练，进而得到最优的预警模型。
36.为了减少实现预警的成本投入，该方法中所述监测数据均可通过scada系统采集获取，为了使故障预警更准确，还可以引入其他的参数采集，例如电机、齿轮箱的温度信息等。
37.第二方面，提供一种风力发电机组智能预警系统，包括数据采集设备、通信设备、
控制中心以及移动终端；所述数据采集设备和移动终端均通过所述通信设备与所述控制中心通信连接；所述数据采集设备用于采集风力发电机组所有种类的监测数据；所述控制中心用于接收所述数据采集设备所采集的监测数据，并运行预警模型对风力发电机组进行故障预警并将所述故障预警信息发送至所述移动终端；所述移动终端用于接收并提醒风力发电机组的故障信息。
38.所述数据采集设备至少包括scada系统中的采集传感器以及电机、齿轮箱的温度传感器一种或多种。
39.第三方面，提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述的风力发电机组智能预警方法。
40.第四方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的风力发电机组智能预警方法的步骤。
41.以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。