[發明專利]一種風機集群故障預測方法及系統

有效

• 申請號: 202010184236.0
• 申請日: 2020-03-17
• 公開（公告）號: CN111080039B
• 公開（公告）日: 2023-10-20
• 發明（設計）人: 胡偉鋒;李林林;陳君君;任華江
• 申請（專利權）人: 浙江上風高科專風實業有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/0635;G06Q50/06
• 代理公司: 杭州橙知果專利代理事務所(特殊普通合伙) 33261
• 代理人: 賀龍萍

1.一種風機集群故障預測方法，其特征在于，包括：

S1、收集待預測風機的基礎信息，包括使用年限、已使用時長；

S2、基于所述基礎信息對待預測風機進行篩選，篩選出需要進行故障預測的風機組成預測風機集；

S3、將所述預測風機集中的風機基于所述基礎信息劃分為不同的故障預測等級，風機基于所述故障預測等級對應的預測周期進行故障預測；

S4、基于風機所處的環境條件將所述預測風機集中的風機劃分為預測風機子集；

S5、基于預測風機子集中風機的型號為每個所述預測風機子集選擇代表風機；

S6、對環境條件進行篩選，獲得與風機發生故障的主要環境條件；

S7、采集歷史風機主要環境條件及對應的風機參數，構建單位時間段內風機參數變化預測模型；

S8、采集所述代表風機當前的參數及所處的主要環境條件，基于所述單位時間段內風機參數變化預測模型預測代表風機單位時間后的參數；預測代表風機單位時間后的主要環境條件；

S9、基于所述代表風機單位時間后的參數及代表風機單位時間后的主要環境條件更新所述代表風機當前的參數及所處的主要環境條件，繼續執行步驟S8，直到完成代表風機預設時間段內的參數預測；

S10、比較代表風機的預測參數值與相應的預設參數閾值，預測代表風機是否會出現故障及故障出現的時間。

2.根據權利要求1所述的故障預測方法，其特征在于，所述步驟S5具體為：

統計出預測風機子集中的風機型號，為各風機型號任意選擇一臺風機作為代表風機，代表該預測風機子集中所有與代表風機為同一型號的風機。

3.根據權利要求2所述的故障預測方法，其特征在于，所述步驟S7具體為：

對采集的歷史風機主要環境條件及對應的風機參數基于單位時間劃分為多個歷史數據段，所述歷史數據段包括該段起始時刻所對應的環境條件、起始時刻所對應的風機參數值、終止時刻所對應的風機參數值；基于所述起始時刻所對應的風機參數值、終止時刻所對應的風機參數值計算風機參數值的變化量；將所述起始時刻所對應的環境條件作為輸入，所述風機參數值的變化量作為輸出，對卷積神經網絡進行訓練，生成所述單位時間段內風機參數變化預測模型。

4.根據權利要求2所述的故障預測方法，其特征在于，所述步驟S10還包括：

將代表風機相應的故障預測結果作為同一預測風機子集中型號與其相同的所有其它風機的預測結果。

5.根據權利要求1所述的風機故障預測方法，其特征在于，所述步驟S4包括：

計算所述預測風機集中任意兩個風機所處環境條件的相似性，對于風機i與風機j，針對的環境條件包括m個，則其環境間的相似度為：

其中，為第k個環境條件間的相似度，為第k個環境條件的權重；

基于所述任意兩個風機所處環境條件的相似性構建預測風機集中風機環境條件的相似性矩陣，計算所述相似性矩陣的特征向量，設置特征閾值范圍，將特征向量中的值劃分到不同的特征閾值范圍，相應的屬于同一閾值范圍內的值對應的風機劃分到同一預測風機子集。