[發明專利]基于在歷史數據中進行相似搜索的風電機組狀態預測方法在審

申請號：	201611116628.3	申請日：	2016-12-07
公開（公告）號：	CN106779200A	公開（公告）日：	2017-05-31
發明（設計）人：	朱志良;杜海濤;石凱;宋航;劉國奇;于海	申請（專利權）人：	東北大學
主分類號：	G06Q10/04	分類號：	G06Q10/04;G06Q50/06
代理公司：	沈陽東大知識產權代理有限公司21109	代理人：	梁焱
地址：	110819 遼寧***	國省代碼：	遼寧;21
權利要求書：	查看更多	說明書：	查看更多
摘要：
搜索關鍵詞：	基于歷史數據進行相似搜索機組狀態預測方法
鉆瓜網技術展會專利詞庫專利權人專利榜在售專利公布日期熱門專利

【說明書】：

技術領域

本發明涉及風電機組狀態監測技術領域，尤其涉及一種基于在歷史數據中進行相似搜索的風電機組狀態預測方法。

背景技術

目前，風電機組狀態監測和故障診斷領域的研究處于起步階段，已有的研究成果中，對于整機的研究側重于狀態評估和故障預測，對于機組的關鍵部件研究側重于故障診斷。在風機狀態評估中主要是殘差分析，將SCADA(Supervisory Control And Data Acquisition，即數據采集與監視控制系統)的監測數據作為預測模型的輸入，通過所建立如人工神經網絡或支持向量機的預測模型獲得預測值，進而將實際監測值與預測值結合求取殘差，結合利用事先通過專家經驗或正態分布等方法確定的殘差閾值，通過檢測是否超過閾值或通過殘差趨勢分析實現對故障預測，但是不能給出風機未來的運行狀態的預測。在風機的故障診斷方法中主要方法包括振動分析和油液分析。振動分析對于低頻信號具有一定的局限性，且在齒輪箱本體上安裝傳感器獲取振動信號需增加投資和維護費用。油液分析因受限于監測硬件(傳感器)設計和制造技術，存在測量誤差較大、精度低因素，還沒有在實際中實現在線油液監測。因此，現有的方法并不能夠取得理想的效果。

中國專利CN201310098308，公開了一種基于相似度統計的風電機組狀態評估預警方法和系統，以及中國專利CN201310107926，公開了一種基于歷史故障數據的風電機組狀態評估方法和系統，其公開的方法為：步驟1、根據風電機組歷史運行數據生成風電機組的多個正常狀態模型和所述風電機組的安全基準線；步驟2、獲取所述風電機組的實時運行數據，將所述風電機組的實時運行數據與所述正常狀態模型進行對比以確定所述實時運行數據與所述正常狀態模型的相似度；將所述風電機組的實時運行數據與所述風電機組的安全基準線進行對比以在所述實時運行數據異常時報警；步驟3、對所述實時運行數據進行分析以對所述風電機組故障進行預估。該專利存在的主要問題在于風電機組長期工作在惡劣的自然環境中，受到正常和極限極端溫度、太陽輻射、降雨、積雪、鹽霧、沙塵、地形輪廓等因素影響隨著運行環境的變化風機的運行狀態存在著一定的起伏變動，生成的健康狀態模型不一定能夠反映風機在健康狀態下的所有變化，存在著局限性。而且由于自然條件的變化，風機的安全基線也應該是隨著季節，溫度而改變的，單純的固定基線并不能很好地標識風機的運行狀態是否安全。

發明內容

針對現有技術的缺陷，本發明提供一種基于在歷史數據中進行相似搜索的風電機組狀態預測方法，能夠將風電機組的歷史運行數據建立數據庫，并通過實時的運行數據與風機自身以及與其相似的風機歷史數據進行對比對風電機組的狀態進行評估。

一種基于在歷史數據中進行相似搜索的風電機組狀態預測方法，包括以下步驟：

步驟1、獲取足夠長的風機傳感器的歷史運行數據，保證該歷史運行數據能夠包含風機可能存在的所有狀態；

步驟2、對風電機組歷史運行數據進行預處理，刪除無用的變量和錯誤的數據，補全缺失的數據；

步驟3、利用隨機森林算法對風機屬性進行學習并提取重要性屬性；

步驟4、利用主成分分析對風機屬性進行降維，生成風機的一維時間序列綜合指標；

步驟5、利用改進的K均值聚類算法對降維后的風機數據進行聚類分析，得到相似的風電機組；

步驟6、在風電機組運行的過程中，系統通過當前運行數據實時的計算數據間的動態時間彎曲距離，在自身及其相似的風電機組歷史數據中進行匹配，找到與當前狀態最相似的歷史數據，用該歷史數據下一時刻的數據作為風機之后運行狀態的預測，并進行風機狀態預警。

進一步地，所述步驟3的具體方法為：

步驟3.1、根據專家意見和文獻，選取適當的變量作為輸出值，其他的變量作為輸入值，利用隨機森林算法，在預先設定好的參數下進行機器學習；

步驟3.2、根據步驟3.1機器學習得到的結果，將各個屬性按照均方誤差增量進行排序，得到其他各個變量對選取為輸出值變量的重要性，并選取重要性靠前的若干變量作為研究對象。