[發明專利]一種風電故障預警預測的方法

有效

• 申請號: 201910352830.3
• 申請日: 2019-04-29
• 公開（公告）號: CN109991500B
• 公開（公告）日: 2021-12-21
• 發明（設計）人: 彭加立;王禎;盧紅偉;郭鵬程;張廣斌;王大鵬
• 申請（專利權）人: 中國水電工程顧問集團有限公司;北京清易德科技有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04
• 代理公司: 北京細軟智谷知識產權代理有限責任公司 11471
• 代理人: 葛鐘

1.一種風電故障預警預測的方法，其特征在于，包括：

通過多方面對風電數據進行特征構建，并進行特征的并行快速化計算提取；

基于提取到的特征，對風電數據進行處理，得到高信息豐富度的且具備可解釋性的預警預測數據；

根據所述預警預測數據，對風電運行進行故障預警預測；

其中，所述通過多方面對風電數據進行特征構建，包括：

結合實際操作人員對風電故障的業務理解進行特征構建；

根據風電數據的時序性特點進行統計上的特征構建；以及

對探索得到的與實際故障業務貼合的特征數據進行特征構建；

其中，

所述結合實際操作人員對風電故障的業務理解進行特征構建，包括：從以下三個方面中的至少一個方面進行特征構建：

從視在功率和功角方面；

從溫度異常變化角度對溫度波動性進行量化方面；以及

從偏航角度的設定值與實際值的變動方面；

其中，

所述對探索得到的與實際故障業務貼合的特征數據進行特征構建，包括：

對探索得到的與實際故障業務貼合的變頻器出入口溫差特點和/或溫度的特點分位數進行特征構建；

其中，所述根據風電數據的時序性特點進行統計上的特征構建，包括：

通過傅里葉變換、自相關系數和線性趨勢中的至少一項，對風電數據進行統計上的特征構建；

其中，所述基于提取到的特征，對風電數據進行處理，得到高信息豐富度的且具備可解釋性的預警預測數據，包括：

基于風電數據的先驗知識對風電數據進行特征分類，并進行分類別的數據降維處理，且使降維處理后的數據對處理前的原數據中的方差的解釋程度不低于90％；

針對降維處理后的數據，利用LightGBM模型，進行特征重要性量化處理。

2.根據權利要求1所述的方法，其特征在于，所述通過多方面對風電數據進行特征構建之前，所述方法還包括：

基于風電數據的時序性特點，將原始風電數據轉換為預設時間級的風電數據，并轉換成特定的格式，以便于特征提取。

3.根據權利要求1所述的方法，其特征在于，所述數據降維處理的方法采用PCA降維方法。

4.根據權利要求1或3所述的方法，其特征在于，所述基于風電數據的先驗知識對風電數據進行特征分類之前，所述方法還包括：

根據預設需求定制選取需要的風電數據，對定制選取的風電數據進行特征優化處理。

5.根據權利要求1所述的方法，其特征在于，所述根據所述預警預測數據，對風電運行進行故障預警預測，包括：

根據風電故障預警預測結果，對故障預測精度進行評估；以及

根據所述預警預測數據，對預設典型事件進行預警預測。