[發(fā)明專利]風(fēng)機(jī)關(guān)鍵部件狀態(tài)監(jiān)測方法及裝置、存儲(chǔ)介質(zhì)和終端

在審

• 申請?zhí)枺?/td>: 201910629124.9
• 申請日: 2019-07-12
• 公開（公告）號(hào): CN110362048A
• 公開（公告）日: 2019-10-22
• 發(fā)明（設(shè)計(jì)）人: 宋娜;李檸;卞一鳴
• 申請（專利權(quán)）人: 上海交通大學(xué)
• 主分類號(hào): G05B19/418
• 分類號(hào): G05B19/418;G05B23/02;F03D17/00
• 代理公司: 上海光華專利事務(wù)所(普通合伙) 31219
• 代理人: 徐迪怡

本發(fā)明公開了一種風(fēng)機(jī)關(guān)鍵部件狀態(tài)監(jiān)測方法及裝置、存儲(chǔ)介質(zhì)和終端，其中方法包括：獲取風(fēng)機(jī)關(guān)鍵部件的SCADA數(shù)據(jù)，并對SCADA數(shù)據(jù)進(jìn)行篩選得到風(fēng)機(jī)關(guān)鍵部件的正常運(yùn)行數(shù)據(jù)；基于預(yù)設(shè)分析方式從正常運(yùn)行數(shù)據(jù)中篩選出與風(fēng)機(jī)關(guān)鍵部件的關(guān)鍵狀態(tài)變量相關(guān)的特征變量數(shù)據(jù)；采用預(yù)設(shè)處理方式對特征變量數(shù)據(jù)進(jìn)行處理得到時(shí)間序列樣本；基于預(yù)設(shè)模型構(gòu)建風(fēng)機(jī)關(guān)鍵部件的健康指標(biāo)，并根據(jù)健康指標(biāo)分布構(gòu)建風(fēng)機(jī)關(guān)鍵部件健康狀態(tài)的分級策略。本發(fā)明充分考慮風(fēng)機(jī)關(guān)鍵部件的SCADA數(shù)據(jù)中的時(shí)序信息，構(gòu)建更準(zhǔn)確的發(fā)電機(jī)預(yù)測模型，有效地描述發(fā)電機(jī)健康狀態(tài)，及時(shí)反映追蹤其健康狀態(tài)變化，實(shí)現(xiàn)了早期預(yù)警的目的。

技術(shù)領(lǐng)域

本發(fā)明涉及機(jī)械設(shè)備的故障預(yù)測與健康管理技術(shù)領(lǐng)域，特別是風(fēng)機(jī)故障檢測技術(shù)領(lǐng)域，具體為一種風(fēng)機(jī)關(guān)鍵部件狀態(tài)監(jiān)測方法。

背景技術(shù)

風(fēng)電機(jī)組是用于產(chǎn)生風(fēng)能的設(shè)備，通常位于氣候多變、環(huán)境惡劣的偏遠(yuǎn)地區(qū)，如高山、海上。風(fēng)電機(jī)組機(jī)械結(jié)構(gòu)復(fù)雜且地理位置偏僻，其關(guān)鍵部件發(fā)生故障后，維修成本高且耗時(shí)較長。因此，實(shí)時(shí)監(jiān)測發(fā)電機(jī)的運(yùn)行狀態(tài)，評估發(fā)電機(jī)當(dāng)前的健康狀態(tài)，在發(fā)電機(jī)健康狀態(tài)退化時(shí)進(jìn)行提示、在故障發(fā)生前進(jìn)行早期預(yù)警，工程師依據(jù)此制定合理的維護(hù)計(jì)劃，這對減少風(fēng)機(jī)故障停機(jī)、延長設(shè)備使用壽命、降低維護(hù)成本具有重要意義。

現(xiàn)有的風(fēng)機(jī)狀態(tài)監(jiān)測及異常檢測方法主要包括基于模型的方法、基于信號(hào)處理的方法和數(shù)據(jù)驅(qū)動(dòng)的方法?；谀Ｐ偷姆椒ㄐ枰L(fēng)機(jī)及其子部件機(jī)械結(jié)構(gòu)的準(zhǔn)確數(shù)學(xué)模型，難度大且監(jiān)測有效性待提高。信號(hào)處理監(jiān)測方法基于振動(dòng)數(shù)據(jù)，振動(dòng)信號(hào)的獲得需要安裝特定額外的傳感器，代價(jià)較大。數(shù)據(jù)驅(qū)動(dòng)方法基于風(fēng)機(jī)數(shù)據(jù)采集與監(jiān)視控制系統(tǒng)(Supervisory Control and Data Acquisition，SCADA)，SCADA系統(tǒng)是風(fēng)機(jī)中常見的監(jiān)測系統(tǒng)且存儲(chǔ)風(fēng)機(jī)大量的運(yùn)行數(shù)據(jù)。基于SCADA數(shù)據(jù)對風(fēng)機(jī)進(jìn)行狀態(tài)監(jiān)測的研究方法目前成為廣泛使用，采用的方法包括：風(fēng)功率曲線建模法、高斯混合模型法、人工神經(jīng)網(wǎng)絡(luò)法、支持向量回歸方法、深度自編碼器法等。該類方法主要關(guān)注風(fēng)機(jī)正常運(yùn)行狀態(tài)下的模型構(gòu)建，基于健康數(shù)據(jù)確定健康評估的閾值，依據(jù)與正常模型的偏離度對當(dāng)前狀態(tài)進(jìn)行評估，判斷風(fēng)機(jī)狀態(tài)是否異常。

經(jīng)過對現(xiàn)有技術(shù)的公開文獻(xiàn)檢索發(fā)現(xiàn)，目前針對風(fēng)機(jī)狀態(tài)監(jiān)測的研究中大部分只使用當(dāng)前時(shí)刻數(shù)據(jù)來評估當(dāng)前時(shí)刻的健康狀態(tài)，每一個(gè)狀態(tài)變量序列的時(shí)序信息及歷史信息對當(dāng)前時(shí)刻數(shù)據(jù)的影響被忽略了。在報(bào)警策略的設(shè)計(jì)中，大部分研究認(rèn)為當(dāng)前時(shí)刻監(jiān)測閾值超過給定閾值便引發(fā)報(bào)警，認(rèn)為狀態(tài)異常。但由于風(fēng)機(jī)運(yùn)行數(shù)據(jù)中存在不確定性、擾動(dòng)、異常值等，這類策略容易產(chǎn)生誤報(bào)警。此外，監(jiān)測結(jié)果僅提示風(fēng)機(jī)當(dāng)前是否異常，風(fēng)機(jī)的退化狀態(tài)未知，并沒有展示給工程人員。

發(fā)明內(nèi)容

本發(fā)明所要解決的技術(shù)問題是現(xiàn)有技術(shù)中未充分利用風(fēng)機(jī)關(guān)鍵部件的運(yùn)行數(shù)據(jù)中的時(shí)序信息，且退化狀態(tài)缺少表征。

為了解決上述技術(shù)問題，本發(fā)明提供了一種風(fēng)機(jī)關(guān)鍵部件狀態(tài)監(jiān)測方法，包括：

獲取風(fēng)機(jī)關(guān)鍵部件的SCADA數(shù)據(jù)，并對所述SCADA數(shù)據(jù)進(jìn)行篩選得到所述風(fēng)機(jī)關(guān)鍵部件的正常運(yùn)行數(shù)據(jù)；

基于預(yù)設(shè)分析方式從所述正常運(yùn)行數(shù)據(jù)中篩選出與所述風(fēng)機(jī)關(guān)鍵部件的關(guān)鍵狀態(tài)變量相關(guān)的特征變量數(shù)據(jù)；

采用預(yù)設(shè)數(shù)據(jù)處理方式對所述特征變量數(shù)據(jù)進(jìn)行處理得到時(shí)間序列樣本，并基于所述時(shí)間序列樣本和所述關(guān)鍵狀態(tài)變量構(gòu)建所述風(fēng)機(jī)關(guān)鍵部件狀態(tài)的預(yù)測模型；

基于所述預(yù)設(shè)模型構(gòu)建所述風(fēng)機(jī)關(guān)鍵部件的健康指標(biāo)，并根據(jù)所述健康指標(biāo)分布構(gòu)建所述風(fēng)機(jī)關(guān)鍵部件健康狀態(tài)的分級策略，再基于所述風(fēng)機(jī)關(guān)鍵部件健康狀態(tài)的分級策略對所述風(fēng)機(jī)關(guān)鍵部件的狀態(tài)進(jìn)行監(jiān)測。

優(yōu)選地，所述風(fēng)機(jī)關(guān)鍵部件狀態(tài)監(jiān)測方法還包括：

根據(jù)所述風(fēng)機(jī)關(guān)鍵部件健康狀態(tài)的分級策略構(gòu)建局部輔助指標(biāo)報(bào)警策略，并基于所述局部輔助指標(biāo)報(bào)警策略對所述風(fēng)機(jī)關(guān)鍵部件進(jìn)行異常檢測。