[發(fā)明專利]風電機組故障診斷知識庫的管理方法、系統(tǒng)及介質(zhì)

在審

• 申請?zhí)枺?/td>: 202210295663.5
• 申請日: 2022-03-23
• 公開（公告）號: CN114757371A
• 公開（公告）日: 2022-07-15
• 發(fā)明（設計）人: 朱俊杰;祝金濤;楊玉中;鐘清;李曉燦;金懷康;范吉祥;楊時虎;羅智明;陶明檢;余建川;陳米洋
• 申請（專利權）人: 華能大理風力發(fā)電有限公司洱源分公司;中國華能集團清潔能源技術研究院有限公司
• 主分類號: G06Q10/00
• 分類號: G06Q10/00;G06Q10/06;G06Q50/06
• 代理公司: 北京清亦華知識產(chǎn)權代理事務所(普通合伙) 11201
• 代理人: 黃垚琳

本申請?zhí)岢隽艘环N風電機組故障診斷知識庫的管理方法、系統(tǒng)及介質(zhì)，該方法包括：在預設的應用工具中通過本體語言構建風電機組的本體故障診斷知識庫；構建服從Leaky Noisy?Or假設的結構性因果模型表示故障與征兆之間的因果關系，并向結構性因果模型中引入激勵節(jié)點和兩類外部隱變量節(jié)點，將與或門邏輯應用至結構性因果模型中的結構性等式；向故障診斷知識庫中批量導入核驗后的歷史故障診斷案例；根據(jù)每個案例的診斷數(shù)據(jù)對應更新故障診斷知識庫中的因果知識和故障診斷模型，并整合多個案例對隱變量的伯努利分布參數(shù)的影響。該方法對診斷知識庫的創(chuàng)建、應用和更新的整個流程進行管理，有利于提高風機診斷的效率和準確性。

技術領域

本申請涉及風力發(fā)電技術領域，尤其涉及一種風電機組故障診斷知識庫的管理方法、系統(tǒng)及介質(zhì)。

背景技術

隨著風力發(fā)電技術的發(fā)展，通過風電機組進行風力發(fā)電已經(jīng)成為當前主要的發(fā)電方式之一，為了保證風力發(fā)電機組的正常運行，對風電機組運行過程中出現(xiàn)的故障進行準確的診斷是風力發(fā)電中的重要環(huán)節(jié)。

傳統(tǒng)的故障診斷方法大致分為三類，包括：基于數(shù)據(jù)的方法、基于知識的方法、基于解析模型的方法。其中，由于目前很多陸上風電機組投產(chǎn)時間長、設備老化和運行狀態(tài)設計值偏離較大等原因，很難建立準確的數(shù)學模型，而基于數(shù)據(jù)進行診斷時需要大量的風電機組的運行數(shù)據(jù)，成本較高且診斷誤差較大，所以基于解析模型和基于數(shù)據(jù)的方法在風力發(fā)電的工程領域并不適用。而基于知識的診斷方法通常以對當前運行狀態(tài)下系統(tǒng)設備進行分析所得到的各類知識為基礎，比如，其中比較有代表性的專家系統(tǒng)故障診斷方法、故障樹診斷方法和圖論模型診斷方法等。

相關技術中，采用基于知識的診斷方法對風電機組進行故障診斷時，需要建立故障診斷知識庫作為診斷的基礎。然而，申請人發(fā)現(xiàn)，相關技術中基于知識的風電機組的故障診斷方法，缺少對故障診斷知識庫進行準確和有效的管理，診斷知識庫內(nèi)包含的故障診斷知識無法滿足實際應用中的診斷需求，導致通過故障診斷知識庫進行機組故障診斷時，診斷結果的準確性較低。

發(fā)明內(nèi)容

本申請旨在至少在一定程度上解決相關技術中的技術問題之一。

為此，本申請的第一個目的在于提出一種風電機組故障診斷知識庫的管理方法，該方法針對基于知識的故障診斷方法，結合語義網(wǎng)絡，將非結構化的設備、系統(tǒng)知識用計算機可識別的語言結構化表達出來，并根據(jù)各臺風機的運行情況和故障案例不斷更新調(diào)整故障診斷知識庫，對診斷知識庫的創(chuàng)建、應用和更新的整個流程進行管理，有利于提高風機診斷的準確性。

本申請的第二個目的在于提出一種風電機組故障診斷知識庫的管理系統(tǒng)；

本申請的第三個目的在于提出一種非臨時性計算機可讀存儲介質(zhì)。

為達上述目的，本申請的第一方面實施例在于提出一種風電機組故障診斷知識庫的管理方法，該方法包括以下步驟：

基于本體的語義，在預設的應用工具中通過相應的本體語言構建風電機組的故障診斷知識庫；

針對故障診斷中的不確定性，構建服從Leaky Noisy-Or假設的結構性因果模型SCM表示故障與征兆之間的因果關系，并向所述結構性因果模型SCM中引入激勵節(jié)點和兩類外部隱變量節(jié)點，將與或門邏輯應用至所述結構性因果模型SCM中的結構性等式，以構建風電機組的故障診斷模型；

通過所述故障診斷模型對風電機組進行診斷，并向所述故障診斷知識庫中批量導入核驗后的歷史故障診斷案例；

對導入的多個所述案例進行分析，根據(jù)每個所述案例的診斷數(shù)據(jù)對應更新所述故障診斷知識庫中的因果知識和所述故障診斷模型，并整合多個所述案例對隱變量的伯努利分布參數(shù)的影響。