[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

本發明公開了一種風機關鍵部件狀態監測方法及裝置、存儲介質和終端，其中方法包括：獲取風機關鍵部件的SCADA數據，并對SCADA數據進行篩選得到風機關鍵部件的正常運行數據；基于預設分析方式從正常運行數據中篩選出與風機關鍵部件的關鍵狀態變量相關的特征變量數據；采用預設處理方式對特征變量數據進行處理得到時間序列樣本；基于預設模型構建風機關鍵部件的健康指標，并根據健康指標分布構建風機關鍵部件健康狀態的分級策略。本發明充分考慮風機關鍵部件的SCADA數據中的時序信息，構建更準確的發電機預測模型，有效地描述發電機健康狀態，及時反映追蹤其健康狀態變化，實現了早期預警的目的。

技術領域

本發明涉及機械設備的故障預測與健康管理技術領域，特別是風機故障檢測技術領域，具體為一種風機關鍵部件狀態監測方法。

背景技術

風電機組是用于產生風能的設備，通常位于氣候多變、環境惡劣的偏遠地區，如高山、海上。風電機組機械結構復雜且地理位置偏僻，其關鍵部件發生故障后，維修成本高且耗時較長。因此，實時監測發電機的運行狀態，評估發電機當前的健康狀態，在發電機健康狀態退化時進行提示、在故障發生前進行早期預警，工程師依據此制定合理的維護計劃，這對減少風機故障停機、延長設備使用壽命、降低維護成本具有重要意義。

現有的風機狀態監測及異常檢測方法主要包括基于模型的方法、基于信號處理的方法和數據驅動的方法。基于模型的方法需要建立風機及其子部件機械結構的準確數學模型，難度大且監測有效性待提高。信號處理監測方法基于振動數據，振動信號的獲得需要安裝特定額外的傳感器，代價較大。數據驅動方法基于風機數據采集與監視控制系統(Supervisory Control and Data Acquisition，SCADA)，SCADA系統是風機中常見的監測系統且存儲風機大量的運行數據。基于SCADA數據對風機進行狀態監測的研究方法目前成為廣泛使用，采用的方法包括：風功率曲線建模法、高斯混合模型法、人工神經網絡法、支持向量回歸方法、深度自編碼器法等。該類方法主要關注風機正常運行狀態下的模型構建，基于健康數據確定健康評估的閾值，依據與正常模型的偏離度對當前狀態進行評估，判斷風機狀態是否異常。

經過對現有技術的公開文獻檢索發現，目前針對風機狀態監測的研究中大部分只使用當前時刻數據來評估當前時刻的健康狀態，每一個狀態變量序列的時序信息及歷史信息對當前時刻數據的影響被忽略了。在報警策略的設計中，大部分研究認為當前時刻監測閾值超過給定閾值便引發報警，認為狀態異常。但由于風機運行數據中存在不確定性、擾動、異常值等，這類策略容易產生誤報警。此外，監測結果僅提示風機當前是否異常，風機的退化狀態未知，并沒有展示給工程人員。

發明內容

本發明所要解決的技術問題是現有技術中未充分利用風機關鍵部件的運行數據中的時序信息，且退化狀態缺少表征。

為了解決上述技術問題，本發明提供了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。

優選地，所述風機關鍵部件狀態監測方法還包括：

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。