一種基于大數據的風電機組故障監測預警方法及系統技術方案

本發明專利技術提供了一種基于大數據的風電機組故障監測預警方法及系統，涉及數據智能處理技術領域，基于故障記錄信息構建故障知識圖譜，進行各故障的關聯影響數據分析確定故障影響因子，進而對大數據平臺進行數據類型標識，構建多個故障預警模型，生成故障預警樹，對故障影響因子標識數據進行各故障分析預警，輸出故障預警信息，解決了現有技術中進行風電機組的故障檢測預警時，對于故障數據的處理方式不夠智能化，使得故障預警結果完備性不足，無法基于機組運行時各構件的關聯影響進行全面預警的技術問題，通過構建故障知識譜圖與故障預警樹，對輸入的故障數據基于關聯關系進行整體評估，確定故障事故與影響事故，實現風電機組的智能化運行管理。智能化運行管理。智能化運行管理。

【技術實現步驟摘要】
一種基于大數據的風電機組故障監測預警方法及系統


[0001]本專利技術涉及數據智能處理
，具體涉及一種基于大數據的風電機組故障監測預警方法及系統。

技術介紹

[0002]風力發電作為新能源領域的主要供能方式，應用越來越廣泛，由于風力發電的運行環境較為惡劣，且風電發電工況較為復雜多變，隨著風電機組的運行不可避免的會存在機組故障，為保障風電機組的正常穩定運行，需對其進行故障監測，基于監測數據對機組進行運維管理，現如今，主要通過風電機組的運行狀態進行傳統運行參數確定，進行參數評估確定異常運行機組構建，對其進行維修以避免機組異常運行，造成運行效率低下且存在潛在性安全隱患。
[0003]現有技術中，進行風電機組的故障檢測預警時，對于故障數據的處理方式不夠智能化，使得故障預警結果完備性不足，無法基于機組運行時各構件的關聯影響進行全面預警。

技術實現思路

[0004]本申請提供了一種基于大數據的風電機組故障監測預警方法及系統，用于針對解決現有技術中存在的進行風電機組的故障檢測預警時，對于故障數據的處理方式不夠智能化，使得故障預警結果完備性不足，無法基于機組運行時各構件的關聯影響進行全面預警的技術問題。
[0005]鑒于上述問題，本申請提供了一種基于大數據的風電機組故障監測預警方法及系統。
[0006]第一方面，本申請提供了一種基于大數據的風電機組故障監測預警方法，所述方法包括：
[0007]從大數據平臺獲取風電機組數據庫，其中所述風電機組數據庫包括機組監測數據、故障記錄信息；<br/>[0008]基于所述故障記錄信息，構建故障知識圖譜；
[0009]根據所述故障知識圖譜中各故障的關聯影響數據進行分析，確定故障影響因子；
[0010]根據所述故障影響因子，對大數據平臺進行數據類型標識，基于數據類型標識進行數據自動獲取；
[0011]根據所述故障知識圖譜、所述機組監測數據，進行各故障預警模型確定，構建故障預警樹；
[0012]將從所述大數據平臺獲取的故障影響因子標識數據輸入故障預警樹中，進行各故障分析預警，輸出故障預警信息。
[0013]第二方面，本申請提供了一種基于大數據的風電機組故障監測預警系統，所述系統包括：
[0014]信息獲取模塊，所述信息獲取模塊用于從大數據平臺獲取風電機組數據庫，其中所述風電機組數據庫包括機組監測數據、故障記錄信息；
[0015]圖譜構建模塊，所述圖譜構建模塊用于基于所述故障記錄信息，構建故障知識圖譜；
[0016]影響因子確定模塊，所述影響因子確定模塊用于根據所述故障知識圖譜中各故障的關聯影響數據進行分析，確定故障影響因子；
[0017]數據標識模塊，所述數據標識模塊用于根據所述故障影響因子，對大數據平臺進行數據類型標識，基于數據類型標識進行數據自動獲取；
[0018]預警樹構建模塊，所述預警樹構建模塊用于根據所述故障知識圖譜、所述機組監測數據，進行各故障預警模型確定，構建故障預警樹；
[0019]故障預警模塊，所述故障預警模塊用于將從所述大數據平臺獲取的故障影響因子標識數據輸入故障預警樹中，進行各故障分析預警，輸出故障預警信息。
[0020]本申請中提供的一個或多個技術方案，至少具有如下技術效果或優點：
[0021]本申請實施例提供的一種基于大數據的風電機組故障監測預警方法，從大數據平臺獲取風電機組數據庫，包括機組監測數據、故障記錄信息，基于所述故障記錄信息構建故障知識圖譜，進行各故障的關聯影響數據分析確定故障影響因子，進而對大數據平臺進行數據類型標識，基于數據類型標識進行數據自動獲取，根據所述故障知識圖譜、所述機組監測數據，進行各故障預警模型確定，構建故障預警樹，將從所述大數據平臺獲取的故障影響因子標識數據輸入故障預警樹中，進行各故障分析預警，輸出故障預警信息，解決了現有技術中存在的進行風電機組的故障檢測預警時，對于故障數據的處理方式不夠智能化，使得故障預警結果完備性不足，無法基于機組運行時各構件的關聯影響進行全面預警的技術問題，通過構建故障知識譜圖與故障預警樹，對輸入的故障數據基于關聯關系進行整體評估，確定故障事故與影響事故，實現風電機組的智能化運行管理。
附圖說明
[0022]圖1為本申請提供了一種基于大數據的風電機組故障監測預警方法流程示意圖；
[0023]圖2為本申請提供了一種基于大數據的風電機組故障監測預警方法中故障知識圖譜構建流程示意圖；
[0024]圖3為本申請提供了一種基于大數據的風電機組故障監測預警方法中故障預警信息獲取流程示意圖；
[0025]圖4為本申請提供了一種基于大數據的風電機組故障監測預警系統結構示意圖。
[0026]附圖標記說明：信息獲取模塊11，圖譜構建模塊12，影響因子確定模塊13，數據標識模塊14，預警樹構建模塊15，故障預警模塊16。
具體實施方式
[0027]本申請通過提供一種基于大數據的風電機組故障監測預警方法及系統，基于故障記錄信息構建故障知識圖譜，進行各故障的關聯影響數據分析確定故障影響因子，進而對大數據平臺進行數據類型標識，構建多個故障預警模型，生成故障預警樹，對故障影響因子標識數據進行各故障分析預警，輸出故障預警信息，用于解決現有技術中存在的進行風電
機組的故障檢測預警時，對于故障數據的處理方式不夠智能化，使得故障預警結果完備性不足，無法基于機組運行時各構件的關聯影響進行全面預警的技術問題。
[0028]實施例一
[0029]如圖1所示，本申請提供了一種基于大數據的風電機組故障監測預警方法，所述方法包括：
[0030]步驟S100：從大數據平臺獲取風電機組數據庫，其中所述風電機組數據庫包括機組監測數據、故障記錄信息；
[0031]具體而言，風力發電作為新能源領域的主要供能方式，應用越來越廣泛，由于風力發電的運行環境較為惡劣，且風電發電工況較為復雜多變，隨著風電機組的運行不可避免的會存在機組故障，為保障風電機組的正常穩定運行，本申請提供了一種基于大數據的風電機組故障監測預警方法，通過構建故障知識圖譜，分別對各個節點匹配故障預警模型，進行多層級故障監測預警，首先，設定預定時間區間，即進行數據采集的時間段，基于所述預定時間區間，根據所述大數據平臺進行風電機組運行數據調取，確定所述機組監測數據與所述故障記錄數據，其中，所述機組監測數據與所述故障記錄數據一一對應，基于時間序列對所述機組監測數據與所述故障記錄數據進行對應標識，生成所述風電機組數據庫，所述風電機組數據庫涵蓋了可能存在的多種故障數據，所述風電機組數據庫的獲取為進行運行故障分析提供了基本依據。
[0032]步驟S200：基于所述故障記錄信息，構建故障知識圖譜；
[0033]步驟S300：根據所述故障知識圖譜中各故障的關聯影響數據進行分析，確定故障影響因子；
[0034]步驟S400：根據所述故障影響因子，對大數據平臺進行數據類型標識，基于數據類型標識進行數本文檔來自技高網...

【技術保護點】

【技術特征摘要】
1.一種基于大數據的風電機組故障監測預警方法，其特征在于，所述方法包括：從大數據平臺獲取風電機組數據庫，其中所述風電機組數據庫包括機組監測數據、故障記錄信息；基于所述故障記錄信息，構建故障知識圖譜；根據所述故障知識圖譜中各故障的關聯影響數據進行分析，確定故障影響因子；根據所述故障影響因子，對大數據平臺進行數據類型標識，基于數據類型標識進行數據自動獲取；根據所述故障知識圖譜、所述機組監測數據，進行各故障預警模型確定，構建故障預警樹；將從所述大數據平臺獲取的故障影響因子標識數據輸入故障預警樹中，進行各故障分析預警，輸出故障預警信息。2.如權利要求1所述的方法，其特征在于，基于所述故障記錄信息，構建故障知識圖譜，包括：根據所述故障記錄信息，進行故障元件分析，確定故障元件類型信息；基于所述故障元件類型信息，根據所述故障記錄信息，進行故障風險程度分析，確定故障風險度；根據所述故障風險度，對所述故障元件類型信息進行分類，確定故障風險度分類信息；根據所述故障風險度分類信息，獲得各故障的圖譜位置等級；基于各故障的圖譜位置等級，對各故障的影響數據進行分析提取，確定各故障影響信息；基于所述各故障影響信息將各故障的圖譜位置等級中的關聯故障進行連接，構建所述故障知識圖譜。3.如權利要求2所述的方法，其特征在于，所述方法還包括：根據所述故障記錄信息，對各故障進行趨勢周期分析，確定各故障類型趨勢周期信息；根據所述各故障類型趨勢周期信息，確定各周期風險度；基于所述各周期風險度，建立周期風險圖譜位置；將所述周期風險圖譜位置嵌入至所述各故障的圖譜位置等級中。4.如權利要求1所述的方法，其特征在于，根據所述故障知識圖譜、所述機組監測數據，進行各故障預警模型確定，包括：根據所述故障知識圖譜，提取預設風險度的故障信息，所述預設風險度的故障信息包括多個風電機組故障；依次將多個風電機組故障作為頂上事件，分析故障因子；基于故障因子、所述機組監測數據，對故障對應類型進行事故最小分割，確定最小分割集；根據所述最小分割集與風電機組故障的關聯關系，確定故障預警結果。5.如權利要求4所述的方法，其特征在于...

【專利技術屬性】
技術研發人員：劉明哲，邱文舉，柴兆瑞，王瑜，蘭金江，蘇正雄，毛振攀，梁欣，
申請(專利權)人：中國三峽新能源集團股份有限公司，
類型：發明
國別省市：