[發明專利]風機關鍵部件狀態監測方法及裝置、存儲介質和終端

在審

• 申請號: 201910629124.9
• 申請日: 2019-07-12
• 公開（公告）號: CN110362048A
• 公開（公告）日: 2019-10-22
• 發明（設計）人: 宋娜;李檸;卞一鳴
• 申請（專利權）人: 上海交通大學
• 主分類號: G05B19/418
• 分類號: G05B19/418;G05B23/02;F03D17/00
• 代理公司: 上海光華專利事務所(普通合伙) 31219
• 代理人: 徐迪怡

1.一種風機關鍵部件狀態監測方法，包括：

獲取風機關鍵部件的SCADA數據，并對所述SCADA數據進行篩選得到所述風機關鍵部件的正常運行數據；

基于預設分析方式從所述正常運行數據中篩選出與所述風機關鍵部件的關鍵狀態變量相關的特征變量數據；

采用預設數據處理方式對所述特征變量數據進行處理得到時間序列樣本，并基于所述時間序列樣本和所述關鍵狀態變量構建所述風機關鍵部件狀態的預測模型；

基于所述預設模型構建所述風機關鍵部件的健康指標，并根據所述健康指標分布構建所述風機關鍵部件健康狀態的分級策略，再基于所述風機關鍵部件健康狀態的分級策略對所述風機關鍵部件的狀態進行監測。

2.根據權利要求1所述的方法，其特征在于，還包括：

根據所述風機關鍵部件健康狀態的分級策略構建局部輔助指標報警策略，并基于所述局部輔助指標報警策略對所述風機關鍵部件進行異常檢測。

3.根據權利要求1所述的方法，其特征在于，對所述SCADA數據進行篩選得到所述風機關鍵部件正常運行數據包括：

按預處理原則對所述SCADA數據進行篩選得到所述風機關鍵部件正常運行數據，其中預處理原則包括如下處理方式中的至少一個：剔除狀態變量有缺失值或所有狀態變量為0值的數據樣本；根據系統報警記錄，剔除故障發生及故障前后30分鐘的數據；剔除超過系統設定閾值的數據樣本；剔除風機不在發電狀態或有功功率小于等于0的數據樣本；剔除風速小于切入風速或大于切出風速的數據樣本，從而獲得風機健康狀態下的數據集。

4.根據權利要求1所述的方法，其特征在于，基于預設分析方式從所述正常運行數據篩選出與所述風機關鍵部件的關鍵狀態變量相關的特征變量數據包括：

基于Pearson相關系數分析法從所述正常運行數據篩選出與所述風機關鍵部件的關鍵狀態變量相關的特征變量數據。

5.根據權利要求1所述的方法，其特征在于，采用預設數據處理方式對所述特征變量數據進行處理得到時間序列樣本包括：

采用滑動窗口算法對所述特征變量數據進行處理得到時間序列樣本。

6.根據權利要求1所述的方法，其特征在于，基于所述時間序列樣本和所述關鍵狀態變量構建所述風機關鍵部件狀態的預測模型包括：

將所述時間序列樣本作為模型輸入，所述關鍵狀態變量作為模型輸出，基于LSTM網絡構建所述風機關鍵部件狀態的預測模型。

7.根據權利要求6所述的方法，其特征在于，采用所述預測模型的平均絕對誤差和平均絕對百分比誤差作為所述預測模型的性能評價指標。

8.根據權利要求1所述的方法，其特征在于，基于所述預設模型構建所述風機關鍵部件的健康指標包括：

計算所述預測模型的預測殘差，并根據所述預測模型的預設殘差采用距離度量方法中的馬氏距離構建所述風機關鍵部件的健康指標。

9.根據權利要求1所述的方法，其特征在于，根據所述健康指標的分布構建所述風機關鍵部件健康狀態的分級策略包括：

采用核密度估計法對所述風機關鍵部件的健康指標的概率密度函數進行估計，得到所述風機關鍵部件的健康指標的概率密度函數，基于所述風機關鍵部件的健康指標的概率密度函數計算出所述風機關鍵部件的健康指標的累積分布函數，基于所述風機關鍵部件的健康指標的累積分布函數構建所述風機關鍵部件健康狀態的分級策略。

10.根據權利要求1所述的方法，其特征在于，所述風機關鍵部件包括發電機、齒輪箱和主軸承。

11.根據權利要求10所述的方法，其特征在于，所述發電機的關鍵狀態變量為發電機后軸承溫度，所述齒輪箱的關鍵狀態變量為齒輪箱高速軸承溫度，所述主軸承的關鍵狀態變量為主軸承溫度。