面向风力发电机组的异常检测与故障诊断方法及装置与流程

本发明涉及异常检测与故障诊断，具体而言，涉及面向风力发电机组的异常检测与故障诊断方法及装置。

背景技术：

1、随着全球对可再生能源的需求不断增加，风力发电作为一种清洁、可持续的能源形式逐渐得到广泛应用。风力发电机组作为风力发电系统的核心组成部分，发挥着转换风能为电能的重要作用。然而，由于风力发电机组长期在复杂多变的自然环境下工作，其运行过程中存在着各种异常和故障，这些问题可能导致发电机组的性能下降、损坏甚至停机，严重影响了风电场的发电效率和可靠性。

2、传统的风力发电机组异常检测与故障诊断方法主要依靠人工巡检和传感器监测，但这种方法存在人力成本高、检测效率低和诊断准确性不足等问题。

3、因此，急需提出能够自动化、高效、准确地检测风力发电机组异常和诊断故障的技术方案。

技术实现思路

1、鉴于此，本发明提出面向风力发电机组的异常检测与故障诊断方法及装置，旨在解决现有技术中风力发电机组异常检测与故障诊断方法存在的人力成本高、检测效率低和诊断准确性不足等问题。

2、第一方面，本申请提供一种面向风力发电机组异常检测与故障诊断方法，包括：

3、面向风力发电机组，分析具体失效模式和故障传递机制；

4、基于数据挖掘方法进行异常检测及数据融合判断，检测风力发电机组的异常状态；

5、利用获取的失效模式分析结果及异常状态检测，结合数据特征和失效模式进行故障诊断。

6、进一步地，所述面向风力发电机组，分析具体失效模式和故障传递机制，包括：

7、获取风力发电机组的组成结构数据；

8、利用所述组成结构数据，进行故障模式及影响分析，确定具体失效模式和故障传递机制；

9、根据风力发电机组的历史运行数据，采用故障树分析法，确定具体失效模式和故障传递机制。

10、进一步地，所述获取风力发电机组的组成结构数据，包括：

11、明确风力发电机组的组成结构，确定风力发电机组的组成结构数据；风力发电机组的各个组件包括风轮、发电机及传动系统。

12、进一步地，所述利用所述组成结构数据，进行故障模式及影响分析，包括：

13、针对风力发电机组的各个组件，系统性地考虑各种故障模式，识别出潜在的故障情况，并评估其对风力发电机组性能和运行的影响；所述各种故障模式包括机械故障、电气故障、传动故障及结构故障。

14、进一步地，所述根据风力发电机组的历史运行数据，采用故障树分析法，确定具体失效模式和故障传递机制，包括：

15、通过将一个不希望发生的风力发电机组故障事件或者已经发生的失效事件作为顶事件作为分析的对象，由上向下地严格按层次的故障因果逻辑分析，逐层找出故障事件的必要而充分的直接原因，画出故障树，最终找出导致顶事件发生的所有可能原因和原因组合。

16、进一步地，所述基于数据挖掘方法进行异常检测及数据融合判断，检测风力发电机组的异常状态，包括：

17、数据预处理；基于阈值/包络判断故障动态；基于数据挖掘进行参数分析；提取异常特征。

18、进一步地，所述数据预处理包括：

19、处理源自scada/cms的实测数据和风机仿真数据；对原始数据进行清洗和去噪，去除可能存在的异常值和噪声，确保数据的准确性和可靠性；对数据采取归一化和标准化操作，将不同数据源和不同量纲的数据转化为统一的数据格式和范围，为后续的数据分析和挖掘做好准备。

20、进一步地，所述基于阈值/包络判断故障动态，包括：

21、获取运行时的异常特征；通过设定合适的阈值和包络范围，对风力发电机组的各种参数进行监测和判断；采取实时比较实测数据和预设阈值的策略；当参数数值超出阈值范围或包络范围时，将风力发电机组对应部位判定为异常状态或故障情况，并触发相应的警报或报警信号。

22、进一步地，所述基于数据挖掘进行参数分析，包括：

23、采用数据挖掘算法和技术，对大量的历史运行数据和仿真工况数据进行分析处理，提取出与异常状态和故障相关的关键参数和特征；通过对这些参数和特征进行分析和比对，可以准确判断当前风力发电机组的状态是否存在异常；

24、进一步地，所述提取异常特征，包括：提取和分析异常数据中的特征模式和规律，以帮助确定异常的性质和类型，为故障诊断提供更精确的信息。

25、第二方面，本申请提供一种面向风力发电机组异常检测与故障诊断装置，其特征在于，包括：失效模式分析模块、异常状态检测模块、异常诊断模块；

26、所述失效模式分析模块包括组成结构确定单元、fmea单元及fta单元；

27、所述异常状态检测模块包括数据预处理单元、基于阈值/包络的故障动态判断单元、基于数据挖掘的参数分析单元及异常特征提取单元；

28、所述异常诊断模块通过结合混合推理和机器学习技术，对风力发电机组的故障进行定位；将失效模式分析结果作为机理信息分析的一部分，与对应数据的异常参数进行混合推理，从而准确地确定故障的位置。

29、第三方面，本申请提供一种终端，包括：存储器、处理器及存储在所述存储器上并可在所述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以实现第一方面说明的所述方法中的任一项。

30、第四方面，本申请提供一种计算机存储介质，存储有计算机可执行指令，所述计算机可执行指令用于执行第一方面说明的所述方法中的任一项。

31、本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

技术特征：

1.一种面向风力发电机组异常检测与故障诊断方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述面向风力发电机组，分析具体失效模式和故障传递机制，包括：

3.根据权利要求2所述的方法，其特征在于，所述获取风力发电机组的组成结构数据，包括：

4.根据权利要求2所述的方法，其特征在于，所述利用所述组成结构数据，进行故障模式及影响分析，包括：

5.根据权利要求2所述的方法，其特征在于，所述根据风力发电机组的历史运行数据，采用故障树分析法，确定具体失效模式和故障传递机制，包括：

6.根据权利要求1所述的方法，其特征在于，所述基于数据挖掘方法进行异常检测及数据融合判断，检测风力发电机组的异常状态，包括：

7.根据权利要求6所述的方法，其特征在于，所述数据预处理包括：

8.根据权利要求6所述的方法，其特征在于，所述基于阈值/包络判断故障动态，包括：

9.根据权利要求6所述的方法，其特征在于，所述基于数据挖掘进行参数分析，包括：

10.一种面向风力发电机组异常检测与故障诊断装置，其特征在于，包括：失效模式分析模块、异常状态检测模块、异常诊断模块；

技术总结
本发明提供面向风力发电机组的异常检测与故障诊断方法及装置。该方法包括：面向风力发电机组，分析具体失效模式和故障传递机制；基于数据挖掘方法进行异常检测及数据融合判断，检测风力发电机组的异常状态；利用获取的失效模式分析结果及异常状态检测，结合数据特征和失效模式进行故障诊断。如此，基于数据挖掘和根因分析，通过对大量的历史运行数据和仿真数据进行分析和挖掘，发现隐藏在数据中的关键参数信息和变化模式，从而实现对风力发电机组的异常状态和故障进行准确识别和诊断。融合失效模式分析和数据挖掘方法展开根因分析，能够充分确定故障的原因和导致故障的关键因素，为故障修复提供指导；检测效率更高，诊断准确性更高。

技术研发人员：秦世耀,贾海坤,薛扬,周传迪,王瑞明,毕然,付德义,赵娜,孔令行,马晓晶
受保护的技术使用者：中国电力科学研究院有限公司
技术研发日：
技术公布日：2024/11/14