[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

本發明公開了一種風機集群故障預測方法及系統，其中，方法包括：收集待預測風機的基礎信息；篩選出需要進行故障預測的預測風機集；劃分不同的故障預測等級，基于對應的預測周期進行故障預測；將預測風機集中的風機劃分為預測風機子集；基于風機型號選擇代表風機；獲得與風機發生故障的主要環境條件；構建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及主要環境條件；不斷更新代表風機當前的參數及主要環境條件，直到完成代表風機預設時間段內的參數預測；判斷風機是否會出現故障及故障出現的時間。本發明實現對大量風機的故障預測，不斷更新環境條件進行獨立預測，處理成本低、效率高、預測精度高。

技術領域

本發明涉及故障預測領域，具體涉及一種風機集群故障預測方法及系統。

背景技術

隨著運轉時間的加長，風機內粉塵會不均勻的附著在葉輪上，逐漸破壞風機的動平衡，使軸承振動逐漸加大，一旦振動達到風機允許的最大值時，風機必須停機修理。每年風機故障損失的發電量和故障導致的維護費用都給風電場帶來巨大的經濟損失。風機通常運行在野外等自然條件下，進行維護的成本較高。因此，對風機的故障提前進行預測可以有效地提前獲知風機可能發生的故障，從而可以提取采取措施來避免故障的發生

公開號為CN 108446783A的發明專利申請公開了一種新風機運行功率的預測及監控方法，首先是服務器采集新風機相關數據；建立一個SVM預測模型，得到新風機運行功率SVM預測模型。其次應用該SVM預測模型預測新風機歷史數據，計算新風機運行功率預測值與實際值之間的誤差。然后計算得出馬爾可夫模型；應用該SVM預測模型預測新風機未來運行功率，使用馬爾可夫模型修正SVM預測模型初步預測值，得到最終結果；最后將預測模型部署到服務器上，服務器每小時將新風機運行功率實際值和預測值進行對比，當對比值大于150%時，服務器推送提醒信息至用戶手機APP上。

上述申請雖然能對風機的故障進行預測，但是風機的數量眾多，對所有監測范圍內的風機都采用相同的方式進行故障預測處理花銷大。且現有的基于環境條件對風機故障進行預測的方案中，都是訓練生成環境條件與風機狀態間的關系模型，根據環境條件預測風機的狀態參數。然而，風機狀態不僅與當前的環境條件有關，還與長期所處的環境有關，因此，基于當前環境條件確定風機狀態準確率低。因此，如何針對大量的風機實現高精度的故障預測，是本領域亟待解決的問題。

發明內容

本發明的目的是針對現有技術的缺陷，提供了一種風機集群故障預測方法及系統。本發明實現對大量風機的故障預測，通過將風機劃分為不同的故障預測等級進行不同周期的故障預測，提高了風機的預測效率。不斷更新環境條件提高基于環境條件進行故障預測的準確性。

為了實現以上目的，本發明采用以下技術方案：

一種風機集群故障預測方法，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；