[發明專利]一種風電機組關聯故障在線診斷方法

有效

• 申請號: 201811603246.2
• 申請日: 2018-12-26
• 公開（公告）號: CN109697210B
• 公開（公告）日: 2023-09-05
• 發明（設計）人: 趙雙喜;楊霞;劉博;劉超;馬貴昌;王永翔;張磊
• 申請（專利權）人: 天津瑞源電氣有限公司
• 主分類號: G06F18/2433
• 分類號: G06F18/2433;G06F18/26;G06N7/01;G06N5/025;G06Q10/063;G06Q50/06
• 代理公司: 天津才智專利商標代理有限公司 12108
• 代理人: 王顕

本發明公開了一種風電機組關聯故障在線診斷方法，包括按順序進行的下列步驟：實時檢測風電機組在運行過程中是否發生故障，若發生故障，采集風電機組運行故障信息，并將該故障信息發送到專家系統中進行解析，找出該故障可能誘發的其它故障，并將解析結果發送到人機交互界面進行顯示；該風電機組關聯故障在線診斷方法借助專家系統對故障信息做出診斷，預測出由當前故障可能引發的其它故障，可以通過人為干涉避免其它故障的發生，為風電機組的安全可靠運行提供了保障，從而可以優化電網調度，實現電網的安全、穩定和經濟運行。

技術領域

本發明涉及風電故障診斷技術領域，特別涉及一種風電機組關聯故障在線診斷方法。

背景技術

風力發電機組結構的復雜性、運行條件的嚴酷性和相關因素的多樣性導致其故障率不斷增長；如何降低風力發電機組故障率和故障停機時間，降低運維成本，提高發電率和經濟效益，已成為風力發電投資、建設、運營維護最為關心的問題。

目前，風電機組故障診斷研究方向主要集中在對葉片、主軸承、發電機、風機塔架、齒輪箱以及變頻器等單一故障進行研究，忽略了各故障之間的關聯性，導致專家系統中的關聯故障庫不健全，影響專家系統評判的精度。

發明內容

本發明的目的是提供一種風電機組關聯故障在線診斷方法。

為此，本發明技術方案如下：

一種風電機組關聯故障在線診斷方法，包括按順序進行的下列步驟：

一)實時檢測風電機組在運行過程中是否發生故障，若發生故障，則進入下一步，若不發生故障，則繼續執行步驟一)；

二)采集風電機組運行故障信息，并將該故障信息發送到專家系統中進行解析，找出該故障可能誘發的其它故障，并將解析結果發送到人機交互界面進行顯示；該專家系統包括故障信息庫、推理機、知識庫和解析器；其中，知識庫是通過如下步驟建立的：

1)獲取風電機組運行過程中的故障日志數據；

2)統計故障日志數據中的頻繁故障信息，并利用FP-Growth算法構建頻繁故障信息的FP樹；

3)利用FP樹的關聯故障鏈信息構建貝葉斯網絡模型；

4)將貝葉斯網絡模型發送到推理機，并將推理機的推理結果進行存儲，形成知識庫。

進一步的，所述的步驟2)中構建頻繁故障信息的FP樹時，包括按順序進行的下列步驟：

2.1)進行初始化設置，給定最小支撐度、最小置信度與提升度；

2.2)掃描故障日志數據庫D一次，收集故障頻繁項的集合F和各故障頻繁項的支持度計數，各故障頻繁項在集合F中按支持度計數降序排序，選定大于最小支撐度的故障頻繁項組成列表L；

2.3)創建FP樹的根結點，以“null”標記它；

2.4)故障日志數據庫D按一定的時間間隔劃分為若干個事務集，對于故障日志數據庫D中每個事務集，執行如下操作：

選擇事務集中的故障頻繁項，并按列表L中的次序排序，設事務集排序后的故障頻繁項列表為P，其中p_i是故障頻繁項列表P中第i個元素，i的初始值設為1；

2.5)將根節點null作為當前節點Node，定義當前節點Node的子女為child，調用函數insert_tree(p_i，T)，判斷故障頻繁項列表P中是否存在p_i使得p_i.item-name＝child.item-name，且p_i的支撐度、置信度與提升度是否均大于最小支撐度、最小置信度與提升度，若判斷結果為“是”，則進入下一步，否則，判斷i是否小于故障頻繁項列表P中故障頻繁項的個數，若判斷結果為“是”，則i值加1后繼續執行步驟2.5)；