[發明專利]基于神經網絡與數據挖掘的風電機組健康管理方法

在審

• 申請號: 201811089372.0
• 申請日: 2018-09-18
• 公開（公告）號: CN109492790A
• 公開（公告）日: 2019-03-19
• 發明（設計）人: 張軼;石林;王嘉文;謝丹尼
• 申請（專利權）人: 北京光耀電力科技股份有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/00;G06Q50/06;G06N3/04;G06N3/08
• 代理公司: 北京金智普華知識產權代理有限公司 11401
• 代理人: 皋吉甫

本發明提供了一種基于神經網絡與數據挖掘的風電機組健康管理方法，涉及風力發電技術領域，能夠對風機設備進行故障預測，實現視情維修，從而優化資源配置，提高管理水平和經濟效益；該方法包括狀態診斷模型的構建、故障診斷模型的構建和故障預測模型的構建；三個模型的構建步驟均包括數據采集、線下模型構建、線上模型構建和結論輸出；所述故障診斷模型和所述故障預測模型的線下模型構建分別基于RVFL神經網絡算法；所述狀態診斷模型的線下模型構建基于模糊評價變權算法和專家系統。本發明提供的技術方案適用風電機組運營和管理過程中。

【技術領域】

本發明涉及風力發電技術領域，尤其涉及一種基于神經網絡與數據挖掘的風電機組健康管理方法。

【背景技術】

隨著社會經濟的快速發展，人們對能源的需求量越來越大，傳統的不可再生能源日益減少，且造成的污染會造成對環境不可逆的負面影響。在當今強調安全環保、可持續發展的背景下，人們迫切需要發展可再生資源。風力發電作為不消耗化石能源，無環境污染的清潔能源，得到社會的廣泛關注和大力發展，是目前可再生能源技術中發展最快、技術最為成熟、最具大規模開發和商業化前景的產業，是最有可能成為主流電源的可再生能源技術之一。

近年來風電場規模不斷擴大，風電設備的研發、設計與安裝技術已經趨于成熟，而普遍面臨著經營管理的壓力，實現風電場設備有效維護和科學管理成為風電場面臨的難題，其中風機的狀態診斷、故障診斷及故障預測則是風場管理的重要內容。使用傳統的健康狀態分析方法對風機進行性能分析，會面臨實驗難度大、成本高等問題，值得注意的是，風機在監測中產生了大量數據，這些數據中蘊藏著重要的信息，亟待進一步分析與挖掘，據此提出基于神經網絡與數據挖掘的風電機組的健康管理系統。健康管理作為一種新的管理方法，是對風機進行性能估計的重要手段，為提高設備發電量、提高管理水平、進而提升經濟效益提供了新的途徑。

隨著風電事業的蓬勃發展，維護的任務也愈發艱巨。有經驗的專家，可以從大多數的狀態變化、數據變化中判斷出風電機組的狀態變化與故障隱患。但也有一些數據變化與風電機組狀態變化與故障隱患是有關聯的，但并沒有被發現，只是隱式的保存在數據庫中。“數據海量，信息缺乏”是風電行業在數據大集中之后面對的尷尬。目前風電行業實施的大多數數據庫應用只能實現數據的錄入、查詢、統計等較低層次的功能，卻無法發現數據中存在的各種有用的信息。

因此，如何研究出一種對保障風電場設備健康、穩定、高效運行具有重要意義，具有工程指導意義和廣闊應用前景的智能的風電場社保狀態檢測與故障預警的系統，就成為了一個行業瓶頸。

【發明內容】

有鑒于此，本發明提供了一種基于神經網絡與數據挖掘的風電機組健康管理方法，能夠對風機設備進行故障預測，實現視情維修，從而優化資源配置，提高管理水平和經濟效益。

一方面，本發明提供一種基于神經網絡與數據挖掘的風電機組健康管理方法，包括狀態診斷模型的構建、故障診斷模型的構建和故障預測模型的構建；

所述狀態診斷模型、所述故障診斷模型和所述故障預測模型的構建步驟均包括數據采集、線下模型構建、線上模型構建和結論輸出；

所述故障診斷模型和所述故障預測模型的線下模型構建分別基于RVFL神經網絡算法；

所述狀態診斷模型的線下模型構建基于模糊評價變權算法和專家系統。

如上所述的方面和任一可能的實現方式，進一步提供一種實現方式，所述故障診斷模型的數據采集的采集數據源為風機運行狀態數據；所述故障診斷模型的模型訓練的輸出結果為實時故障類型信息。

如上所述的方面和任一可能的實現方式，進一步提供一種實現方式，所述故障預測模型的數據采集的采集數據源為風機運行狀態數據和特定時間段內是否發生故障的信號數據；所述故障預測模型的模型訓練的輸出結果為未來特定時間段內是否會發生故障的信息。