[發(fā)明專利]一種基于SCADA數(shù)據(jù)的風(fēng)電機(jī)組齒輪箱油溫過溫故障預(yù)警方法

在審

• 申請?zhí)枺?/td>: 202010139476.9
• 申請日: 2020-03-03
• 公開（公告）號: CN111415070A
• 公開（公告）日: 2020-07-14
• 發(fā)明（設(shè)計(jì)）人: 陳棋;楊秦敏;孫勇;劉廣侖;王琳;陳積明
• 申請（專利權(quán)）人: 浙江運(yùn)達(dá)風(fēng)電股份有限公司;浙江大學(xué)
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q50/06;G06K9/62
• 代理公司: 杭州杭誠專利事務(wù)所有限公司 33109
• 代理人: 尉偉敏

1.一種基于SCADA數(shù)據(jù)的風(fēng)電機(jī)組齒輪箱油溫過溫故障預(yù)警方法，其特征在于，所述方法包括離線訓(xùn)練階段和在線應(yīng)用階段，所述方法包括以下步驟：

S1、進(jìn)行離線訓(xùn)練階段；

S2、進(jìn)行數(shù)據(jù)集收集、選取和標(biāo)記：獲取需進(jìn)行齒輪箱油溫過溫故障預(yù)警的風(fēng)電機(jī)組SCADA系統(tǒng)中的數(shù)據(jù)并記錄，選取相關(guān)數(shù)據(jù)集并標(biāo)記，選擇齒輪箱油溫作為目標(biāo)變量；

S3、進(jìn)行特征提取：篩選出與目標(biāo)變量相關(guān)性強(qiáng)的特征，基于SCADA系統(tǒng)數(shù)據(jù)集的所有其他變量，選取自編碼Autoencoder模型進(jìn)行降維及特征提取，將高維SCADA信息轉(zhuǎn)換為低維特征向量；

S4、訓(xùn)練集重構(gòu)造，并進(jìn)行變量估計(jì)模型選取：使用目標(biāo)變量與降維后的特征變量構(gòu)造訓(xùn)練集，選取支持向量回歸SVR作為變量估計(jì)模型；

S5、對選取后的變量估計(jì)模型進(jìn)行訓(xùn)練；

S6、進(jìn)行殘差訓(xùn)練，并得到殘差序列；

S7、闕值上限設(shè)置：統(tǒng)計(jì)指標(biāo)，根據(jù)EWMA模型進(jìn)行殘差序列闕值上限設(shè)置，判斷風(fēng)電機(jī)組是否需要進(jìn)入在線應(yīng)用階段，當(dāng)風(fēng)電機(jī)組需要進(jìn)入在線應(yīng)用階則進(jìn)入步驟S8，反之則結(jié)束流程；

S8、進(jìn)行在線應(yīng)用階段；

S9、實(shí)時(shí)估計(jì)：重復(fù)步驟S2～步驟S5，將特征變量輸入至訓(xùn)練完成的變量估計(jì)模型中，得到目標(biāo)變量的實(shí)時(shí)估計(jì)值；

S10、實(shí)時(shí)運(yùn)行殘差獲取：重復(fù)步驟S6中的殘差訓(xùn)練；

S11、實(shí)時(shí)判斷，并根據(jù)步驟S7進(jìn)行判別準(zhǔn)則設(shè)計(jì)：設(shè)計(jì)連續(xù)超限判別準(zhǔn)則并設(shè)置判別準(zhǔn)則閾值C；

S12、得出最終預(yù)警結(jié)果。

2.根據(jù)權(quán)利要求1所述的一種基于SCADA數(shù)據(jù)的風(fēng)電機(jī)組齒輪箱油溫過溫故障預(yù)警方法，其特征在于，所述步驟S2中的相關(guān)數(shù)據(jù)集選取并標(biāo)記表現(xiàn)為選取風(fēng)電機(jī)組處于正常運(yùn)行時(shí)期的數(shù)據(jù)集，并標(biāo)記為訓(xùn)練集，步驟S9中的相關(guān)數(shù)據(jù)集選取為選取步驟S2中的所述的風(fēng)電機(jī)組的實(shí)時(shí)運(yùn)行數(shù)據(jù)集，并標(biāo)記為測試集。

3.根據(jù)權(quán)利要求1所述的一種基于SCADA數(shù)據(jù)的風(fēng)電機(jī)組齒輪箱油溫過溫故障預(yù)警方法，其特征在于，所述步驟S4中支持向量回歸SVR選用徑向基核函數(shù)RBF，使用交叉驗(yàn)證網(wǎng)格搜索法進(jìn)行SVR參數(shù)選擇，確定誤差最小的參數(shù)模型。

4.根據(jù)權(quán)利要求1所述的一種基于SCADA數(shù)據(jù)的風(fēng)電機(jī)組齒輪箱油溫過溫故障預(yù)警方法，其特征在于，所述步驟S6中殘差訓(xùn)練包括以下步驟：

步驟一、對齒輪箱油溫進(jìn)行實(shí)時(shí)估計(jì)，表征齒輪箱油溫正常運(yùn)行狀態(tài)；

步驟二、將目標(biāo)變量實(shí)際運(yùn)行值減去變量估計(jì)模型的訓(xùn)練模型輸出，即目標(biāo)變量估計(jì)值，得到目標(biāo)變量估計(jì)殘差；

步驟三、使用指數(shù)加權(quán)移動平均EWMA估計(jì)值計(jì)算公式計(jì)算殘差估計(jì)值。

5.根據(jù)權(quán)利要求4所述的一種基于SCADA數(shù)據(jù)的風(fēng)電機(jī)組齒輪箱油溫過溫故障預(yù)警方法，其特征在于，所述步驟三中指數(shù)加權(quán)移動平均EWMA估計(jì)值計(jì)算公式為：

EWMA(i)＝βEWMA(i-1)+(1-β)T(i)；

其中：β表示加權(quán)下降的速率，EWMA(i-1)為數(shù)據(jù)點(diǎn)i的上一個(gè)數(shù)據(jù)點(diǎn)的EWMA估計(jì)值，初始值EWMA(0)＝0，T(i)為數(shù)據(jù)點(diǎn)i的實(shí)際殘差值。

6.根據(jù)權(quán)利要求1所述的一種基于SCADA數(shù)據(jù)的風(fēng)電機(jī)組齒輪箱油溫過溫故障預(yù)警方法，其特征在于，所述步驟S7中闕值上限設(shè)置包括以下步驟：

步驟一、計(jì)算訓(xùn)練集殘差序列的標(biāo)準(zhǔn)差σ_train；

步驟二、對于數(shù)據(jù)點(diǎn)i，設(shè)置該數(shù)據(jù)點(diǎn)i的估計(jì)殘差閾值上限等于EWMA估計(jì)值EWMA(i)加三倍標(biāo)準(zhǔn)差σ_train，即U(i)＝EWMA(i)+3σ_train，其中U(i)為闕值上限。

7.根據(jù)權(quán)利要求1所述的一種基于SCADA數(shù)據(jù)的風(fēng)電機(jī)組齒輪箱油溫過溫故障預(yù)警方法，其特征在于，所述步驟S10中目標(biāo)變量的實(shí)際運(yùn)行值減去模型估計(jì)值得到實(shí)時(shí)殘差值R_i。

8.根據(jù)權(quán)利要求1所述的一種基于SCADA數(shù)據(jù)的風(fēng)電機(jī)組齒輪箱油溫過溫故障預(yù)警方法，其特征在于，所述步驟S11中判別準(zhǔn)則設(shè)計(jì)包括以下步驟：

步驟一、當(dāng)數(shù)據(jù)點(diǎn)i的估計(jì)殘差值大于該數(shù)據(jù)點(diǎn)i的閾值上限，即R_i＞U(i)時(shí)，計(jì)算在數(shù)據(jù)點(diǎn)i之前出現(xiàn)的估計(jì)殘差大于對應(yīng)閾值上限的數(shù)據(jù)點(diǎn)連續(xù)個(gè)數(shù)Q(i)；

步驟二、當(dāng)滿足判別準(zhǔn)則條件Q(i)≥C，在數(shù)據(jù)點(diǎn)i處進(jìn)行報(bào)警；

步驟三、當(dāng)滿足條件Q(i)＜C，或該數(shù)據(jù)點(diǎn)i的估計(jì)殘差不大于該數(shù)據(jù)點(diǎn)i的閾值上限，即R_i≤U(i)時(shí)，在數(shù)據(jù)點(diǎn)i處不報(bào)警。