[發明專利]一種大型風力發電機故障根因的判定方法和系統

在審

• 申請號: 202211187444.1
• 申請日: 2022-09-28
• 公開（公告）號: CN115640521A
• 公開（公告）日: 2023-01-24
• 發明（設計）人: 賈君實;寧琨;蘇坤林;付斌
• 申請（專利權）人: 東方電氣風電股份有限公司
• 主分類號: G06F18/22
• 分類號: G06F18/22;G06Q10/20;G06Q50/06
• 代理公司: 成都九鼎天元知識產權代理有限公司 51214
• 代理人: 孫元偉

本發明提供了一種大型風力發電機故障根因的判定方法和系統，方法包括以下步驟：通過風機配置信息數據獲取大型風力發電機組初始化信息；通過風機實時數據以及歷史數據初始化該風機型號對應的故障單圖和故障圖譜；當風力發電機發生故障時，在故障發生瞬間獲取風機信息；將風機信息輸入數據庫，通過故障圖譜和故障根因識別算法判定風機首發故障；如果故障圖譜和故障根因識別算法無法識別故障，則提示用戶通過專家系統人工判斷首發故障；在故障結束后，專家系統結合現場運維判斷完畢后，將結果存入數據庫并升級故障圖譜。系統包括數據庫、推理機單元和故障圖譜單元。可以自動準確判斷大型風力發電機組的首發故障，安全高效。

技術領域

本發明涉及風力發電機故障根因判定技術領域，具體而言，涉及一種大型風力發電機故障根因的判定方法和系統。

背景技術

風力發電機組的故障根因也叫首發故障，是機組發生故障時用戶和運維人員最關心的故障，也是導致所有其他伴隨故障及機組故障停機的根本原因。目前廣泛的運用在風力發電行業的故障預測、態勢感知、智能運維等領域，在其中起到關鍵作用。目前，對風力發電機組的故障根因判斷主要通過人工途徑，或者簡單根據故障碼觸發的時間先后順序判定，無法實現智能自動檢測而高效準確地判斷出故障根因，嚴重影響后續的運維以及關鍵統計信息。首發故障的誤判和錯誤統計會增加整個機組在未來出現重大事故的可能性。

現有的基于故障樹和專家系統的專利技術已經在各個領域得到廣泛應用，特別是故障診斷方面，因為這些技術在故障診斷領域都具有先天優勢。故障樹的優勢是天然契合計算機內存結構，具有運行速度快的特點，但是樹形結構的兄弟節點具有不相通的特性，層級分明，在故障判斷中具有一定局限性。當今計算機硬件已經可以支持更復雜的圖譜數據結構并且保證程序運行的時效性，在風力發電行業，將這些技術應用到大型風力發電機組故障根因判定的方式還不夠成熟，存在較多缺陷，因此，本發明采用故障圖譜結合故障鏈的方法判斷故障根因。

發明內容

本發明旨在至少解決現有技術中存在故障根因判斷方式不夠智能，判斷結果不夠準確，影響風機運維，存在安全隱患的技術問題之一。

為此，本發明第一方面提供了一種大型風力發電機故障根因的判定方法。

本發明第二方面提供了一種大型風力發電機故障根因的判定系統。

本發明提供了一種大型風力發電機故障根因的判定方法，包括以下步驟：

S1、通過風機配置信息數據獲取大型風力發電機組初始化信息；

S2、通過風機實時數據以及歷史數據初始化該風機型號對應的故障單圖和故障圖譜；

S3、當風力發電機發生故障時，在故障發生瞬間獲取風機信息；將風機信息輸入數據庫，通過故障圖譜和故障根因識別算法判定風機首發故障；

S4、如果故障圖譜和故障根因識別算法無法識別故障，則提示用戶通過專家系統人工判斷首發故障；在故障結束后，專家系統結合現場運維判斷完畢后，將結果存入數據庫并升級故障圖譜。

根據本發明上述技術方案的一種大型風力發電機故障根因的判定方法，還可以具有以下附加技術特征：

在上述技術方案中，步驟S3中，通過故障圖譜和故障根因識別算法判定風機首發故障包括以下步驟：

S31、遍歷故障圖譜，判斷故障譜圖中是否存在與實發故障對應且可能作為故障根因的所有頂點，若不存在，則執行S4；若存在，則執行S32；

S32、判斷S31中與實發故障對應的任一頂點是否是唯一可以作為故障根因的故障，若是，則判定該頂點對應的故障為故障根因；若否，則根據每次故障至少具有一個故障根因和若干伴隨故障、伴隨故障中可能包括其他可作為故障根因的伴隨故障的特點，將所有可能作為故障根因的頂點為起點，其他故障為邊界，運用kosaraju算法結合縮點染色算法的方式提取全部最小割集；