CN116089890B - 一种智慧风电场的故障预警检测方法及*** - Google Patents
一种智慧风电场的故障预警检测方法及*** Download PDFInfo
- Publication number
- CN116089890B CN116089890B CN202211715333.3A CN202211715333A CN116089890B CN 116089890 B CN116089890 B CN 116089890B CN 202211715333 A CN202211715333 A CN 202211715333A CN 116089890 B CN116089890 B CN 116089890B
- Authority
- CN
- China
- Prior art keywords
- distribution
- fault
- box
- fan
- early warning
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 90
- 238000012544 monitoring process Methods 0.000 claims abstract description 127
- 238000010586 diagram Methods 0.000 claims abstract description 88
- 238000000034 method Methods 0.000 claims abstract description 21
- 238000007621 cluster analysis Methods 0.000 claims abstract description 20
- 230000015654 memory Effects 0.000 claims description 23
- 238000000605 extraction Methods 0.000 claims description 9
- 239000000284 extract Substances 0.000 claims 1
- 238000010248 power generation Methods 0.000 abstract description 3
- 238000004590 computer program Methods 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Testing And Monitoring For Control Systems (AREA)
Abstract
本公开提供了一种智慧风电场的故障预警检测方法及***,涉及新能源发电技术领域,该方法包括:获取风电场风机工况信息对风电场风机聚类分析,获取多个风机群落;设定故障预警监测指标;采集多组故障预警监测指标时序信息;生成箱式分布序列图;提取离散分布风机和离散分布指标时序信息;根据所述离散分布风机和所述离散分布指标时序信息进行故障事件分布,生成故障事件类型和故障触发概率;当所述故障触发概率大于或等于触发概率阈值,对所述离散分布风机的所述故障事件类型进行故障预警。解决了现有技术中存在的由于进行故障预警时的预警阈值固定且不灵活,进而导致故障预警准确性和灵活性不足的技术问题。
Description
技术领域
本公开涉及新能源发电技术领域,具体涉及一种智慧风电场的故障预警检测方法及***。
背景技术
近年来,新能源的发展迅速,尤其是风力发电的应用越来越广泛,在风力发电场中,故障的发生次数也较高,由于不能及时的对故障进行预测,导致发电厂的运维成本居高不下,如何准确快速地对故障进行预警,使得在故障发生前进行检修维护,对风电场的发展意义重大。
目前,现有技术中存在由于进行故障预警时的预警阈值固定且不灵活,进而导致故障预警准确性和灵活性不足的技术问题。
发明内容
本公开提供了一种智慧风电场的故障预警检测方法及***,用以解决现有技术中存在的由于进行故障预警时的预警阈值固定且不灵活,进而导致故障预警准确性和灵活性不足的技术问题。
根据本公开的第一方面,提供了一种智慧风电场的故障预警检测方法,包括:获取风电场风机工况信息对风电场风机聚类分析,获取多个风机群落;设定故障预警监测指标;遍历所述故障预警监测指标,采集多组故障预警监测指标时序信息;根据所述多个风机群落,对所述多组故障预警监测指标时序信息进行箱式分布,生成箱式分布序列图;遍历所述箱式分布序列图,提取离散分布风机和离散分布指标时序信息;根据所述离散分布风机和所述离散分布指标时序信息进行故障事件分布,生成故障事件类型和故障触发概率;当所述故障触发概率大于或等于触发概率阈值,对所述离散分布风机的所述故障事件类型进行故障预警。
根据本公开的第二方面,提供了一种智慧风电场的故障预警检测***,包括:风机聚类分析模块,所述风机聚类分析模块用于获取风电场风机工况信息对风电场风机聚类分析,获取多个风机群落;监测指标设定模块,所述监测指标设定模块用于设定故障预警监测指标;指标时序信息采集模块,所述指标时序信息采集模块用于遍历所述故障预警监测指标,采集多组故障预警监测指标时序信息;箱式分布序列图生成模块,所述箱式分布序列图生成模块用于根据所述多个风机群落,对所述多组故障预警监测指标时序信息进行箱式分布,生成箱式分布序列图;信息提取模块,所述信息提取模块用于遍历所述箱式分布序列图,提取离散分布风机和离散分布指标时序信息;故障事件分布模块,所述故障事件分布模块用于根据所述离散分布风机和所述离散分布指标时序信息进行故障事件分布,生成故障事件类型和故障触发概率;故障预警模块,所述故障预警模块用于当所述故障触发概率大于或等于触发概率阈值,对所述离散分布风机的所述故障事件类型进行故障预警。
根据本公开的第三方面,提供了一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行第一方面所述的方法。
根据本公开采用的一种智慧风电场的故障预警检测方法,获取风电场风机工况信息对风电场风机聚类分析,获取多个风机群落;设定故障预警监测指标;遍历所述故障预警监测指标,采集多组故障预警监测指标时序信息;根据所述多个风机群落,对所述多组故障预警监测指标时序信息进行箱式分布,生成箱式分布序列图;遍历所述箱式分布序列图,提取离散分布风机和离散分布指标时序信息;根据所述离散分布风机和所述离散分布指标时序信息进行故障事件分布,生成故障事件类型和故障触发概率;当所述故障触发概率大于或等于触发概率阈值,对所述离散分布风机的所述故障事件类型进行故障预警,本公开通过离散风机自动识别,且按照自定义的关联性分析算法实现了较为准确的故障事件匹配,达到提升预警灵活性和准确性的技术效果。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本公开或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是示例性的,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本公开实施例提供的一种智慧风电场的故障预警检测方法的流程示意图;
图2为本公开实施例提供的一种智慧风电场的故障预警检测***的结构示意图;
图3为本公开实施例提供的一种电子设备的结构示意图。
附图标记说明:风机聚类分析模块11,监测指标设定模块12,指标时序信息采集模块13,箱式分布序列图生成模块14,信息提取模块15,故障事件分布模块16,故障预警模块17,电子设备800,处理器801,存储器802,总线803。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
为了解决现有技术中存在由于进行故障预警时的预警阈值固定且不灵活,进而导致故障预警准确性和灵活性不足的技术问题,本公开的发明人经过创造性的劳动,得到了本公开的一种智慧风电场的故障预警检测方法及***。
实施例一
图1为本申请实施例提供的一种智慧风电场的故障预警检测方法图,如图1所示,所述方法包括:
步骤S100:获取风电场风机工况信息对风电场风机聚类分析,获取多个风机群落;
其中,所述获取风电场风机工况信息对风电场风机聚类分析,获取多个风机群落,本申请实施例步骤S100包括:
步骤S110:所述风电场风机工况信息包括机组工作参数信息和机组工作环境信息;
步骤S120:根据所述机组工作参数信息对所述风电场风机聚类分析,生成第一聚类结果;
步骤S130:根据所述机组工作环境信息对所述风电场风机聚类分析,生成第二聚类结果;
步骤S140:将所述第一聚类结果和所述第二聚类结果取交集,生成所述多个风机群落。
具体而言,风电场风机是用于将风能转化为电能的风力发电机,风电场风机工况信息是指风电场风机在运行过程中产生的工作参数信息,一个风电场一定是有多个风机组合进行发电的,就会有多个风电场风机,就可以获得多个风电场风机工况信息,根据风电场风机工况信息,将风电场风机工况信息相同的风电场风机聚为一类,从而获取多个风机群落,每一个风机群落包含的风机工况信息是相同的。
具体地,风电场风机工况信息包括机组工作参数信息和机组工作环境信息,机组工作参数信息是指桨叶转速信息、桨叶角度信息、桨叶尺寸信息,机组工作环境信息包括机组温度信息、机组湿度信息、风速、风向等信息,进一步地,根据机组工作参数信息对风电场风机聚类分析,就是将桨叶转速信息、桨叶角度信息和桨叶尺寸信息一致的风机聚为一类,从而生成第一聚类结果,第一聚类结果包含多个机组工作参数信息不同的机组,然后根据机组工作环境信息对风电场风机聚类分析,就是将机组温度信息、机组湿度信息、风速、风向等相同的风机聚为一类,从而生成第二聚类结果,第二聚类结果包含多个机组工作环境信息不同的机组,最后将第一聚类结果和第二聚类结果取交集,就是将机组工作参数信息和机组工作环境信息都一致的机组聚在一起,从而生成多个风机群落。实现对风机的聚类分析,为后续的故障预警夯实基础的效果。
步骤S200:设定故障预警监测指标;
具体而言,故障预警监测指标是用于对风电场风机进行故障预测的参考信息,包含多种监测指标类型,监测指标类型可以是风电场风机工况信息中的各类工况信息,比如桨叶转速信息、桨叶角度信息、桨叶尺寸信息、机组温度信息、机组湿度信息等,可以根据实际情况自行设定,简单来说,就是通过对故障预警监测指标进行数据采集,从而进行故障预测。
步骤S300:遍历所述故障预警监测指标,采集多组故障预警监测指标时序信息;
具体而言,故障预警监测指标里面包含多种监测指标类型,遍历每一类监测指标,对每一类监测指标进行数据采集,采集多组故障预警监测指标时序信息,根据任意一类监测指标采集到的信息为一组故障预警监测指标时序信息,故障预警监测指标时序信息是指按照时间顺序采集到的信息,时序即为时间顺序,就是按照时间顺序,根据每一类监测指标对风机进行数据采集,其中的一个序列对应一个风机,根据多种类型监测指标采集到多组故障预警监测指标时序信息。
步骤S400:根据所述多个风机群落,对所述多组故障预警监测指标时序信息进行箱式分布,生成箱式分布序列图;
其中,所述根据所述多个风机群落,对所述多组故障预警监测指标时序信息进行箱式分布,生成箱式分布序列图,本申请实施例步骤S400包括:
步骤S410:根据所述多个风机群落,获取第n个风机群落;
步骤S420:根据所述第n个风机群落,从所述多组故障预警监测指标时序信息中,提取所述第n个风机群落的第m组监测指标时序信息;
步骤S430:对所述第m组监测指标时序信息进行箱式分布,生成所述第n个风机群落的第m组箱式分布序列图;
步骤S440:将所述第m组箱式分布序列图添加进所述箱式分布序列图。
其中,所述对所述第m组监测指标时序信息进行箱式分布,生成所述第n个风机群落的第m组箱式分布序列图,本申请实施例步骤S430包括:
步骤S431:根据所述第m组监测指标时序信息,获取第i时间节点监测指标集;
步骤S432:对所述第i时间节点监测指标集进行箱式分布,生成第i时间节点监测指标箱式分布图;
步骤S433:将第一时间节点监测指标箱式分布图、第二时间节点监测指标箱式分布图直到所述第i时间节点监测指标箱式分布图依次连接,生成所述第n个风机群落的第m组箱式分布序列图。
具体而言,箱式图是指一种描述数据分布的统计图,在本申请实施例中,箱式分布序列图用于描述风机和故障预警监测指标时序信息的分布,根据多个风机群落,对多组故障预警监测指标时序信息进行箱式分布,简单来说,就是根据多个风机群落,按照多个数据互相之间的偏离程度多组故障预警监测指标时序信息进行分布,从而生成箱式分布序列图,箱式分布序列图包含多组故障预警监测指标时序信息的分布情况。
具体地,根据多个风机群落,获取第n个风机群落,第n个风机群落是多个风机群落中的任意一个风机群落,其中,n是大于1的整数,根据第n个风机群落,从多组故障预警监测指标时序信息中,提取第n个风机群落的第m组监测指标时序信息,第m组监测指标时序信息是指第n个风机群落对应的任意一组故障预警监测指标时序信息,其中,m是大于1的正整数,按照多个数据互相之间的偏离程度分布,对第m组监测指标时序信息进行箱式分布,生成第n个风机群落的第m组箱式分布序列图,将第m组箱式分布序列图添加进箱式分布序列图,由此,得到了箱式分布序列图。
具体地,一个类型的监测指标对应一组监测指标时序信息,一组监测指标时序信息包含多个风机的信息,根据第m组监测指标时序信息,获取第i时间节点监测指标集,第i时间节点是指任意一个时间节点监测指标集,i是大于1的正整数,对第i时间节点监测指标集进行箱式分布,就是按照多个数据互相之间的偏离程度对第i时间节点监测指标集进行分布,从而生成第i时间节点监测指标箱式分布图,第i时间节点监测指标箱式分布图用于表示第i时间节点监测指标集的数据之间的偏离程度,由此可以获得多个连续的时间节点的监测指标箱式分布图,进一步地,将第一时间节点监测指标箱式分布图、第二时间节点监测指标箱式分布图直到第i时间节点监测指标箱式分布图依次连接,就是按照时间顺序将不同时间节点的监测指标箱式分布图连接起来,从而生成第n个风机群落的第m组箱式分布序列图。
步骤S500:遍历所述箱式分布序列图,提取离散分布风机和离散分布指标时序信息;
其中,所述遍历所述箱式分布序列图,提取离散分布风机和离散分布指标时序信息,本申请实施例步骤S500包括:
步骤S510:遍历所述箱式分布序列图的任意一个箱式分布图,获取指标集中区域;
步骤S520:根据所述指标集中区域在所述箱式分布图中划定离散分布区域;
步骤S530:将指标属于所述离散分布区域的风机,添加进所述离散分布风机,并提取所述离散分布指标时序信息。
具体而言,遍历箱式分布序列图,提取离散分布风机和离散分布指标时序信息,离散分布风机是指呈离散分布的风机,可以认为,箱式分布序列图是多组故障预警监测指标时序信息按照多个数据互相之间的偏离程度进行分布,大多数风机是正常的,所以离散分布的数据是异常的,离散分布指标时序信息指指呈离散分布的风机对应的故障预警监测指标时序信息,离散分布风机和离散分布指标时序信息一一对应。
具体地,箱式分布序列图包含多个箱式分布图,遍历箱式分布序列图的任意一个箱式分布图,获取指标集中区域,指标集中区域是指故障监测指标时序信息分布比较集中的区域,简单来说,多组故障预警监测指标时序信息按照多个数据互相之间的偏离程度分布,大多数风机是正常的,所以集中分布的指标是正常的,离散的指标为异常的,根据指标集中区域,在箱式分布图中划定离散分布区域,离散分布区域就是指除去指标集中区域以外的其它区域,离散分布区域中包含多个风机的对应指标,将指标属于离散分布区域的风机,添加进离散分布风机,离散分布风机即为离散分布区域的指标对应的风机,基于此,提取离散分布指标时序信息,离散分布指标时序信息即为离散分布区域的指标对应的风机的故障预警监测指标时序信息。
步骤S600:根据所述离散分布风机和所述离散分布指标时序信息进行故障事件分布,生成故障事件类型和故障触发概率;
其中,所述根据所述离散分布风机和所述离散分布指标时序信息进行故障事件分布,生成故障事件类型和故障触发概率,本申请实施例步骤S600包括:
步骤S610:根据所述离散分布风机,获取离散分布风机工况信息;
步骤S620:以所述离散分布风机工况信息和所述离散分布指标时序信息为第一约束条件,以故障事件检出记录为第一期望条件进行数据检索,生成第一故障事件检出记录集;
步骤S630:以所述多条故障事件检出记录为第二约束条件,以风机工况和离散分布指标为第二期望条件进行数据检索,生成第二故障事件检出记录集;
步骤S640:对所述第一故障事件检出记录集和所述第二故障事件检出记录集进行故障事件分布,生成所述故障事件类型和所述故障触发概率。
其中,所述对所述第一故障事件检出记录集和所述第二故障事件检出记录集进行故障事件分布,生成所述故障事件类型和所述故障触发概率,本申请实施例步骤S640包括:
步骤S641:根据所述第一故障事件检出记录集和所述第二故障事件检出记录集,获取第一故障事件类型;
步骤S642:从所述第一故障事件检出记录集和所述第二故障事件检出记录集,提取所述第一故障事件类型的事件触发数量;
步骤S643:从所述第一故障事件检出记录集和所述第二故障事件检出记录集,提取所述第一故障事件类型、所述离散分布风机工况信息和所述离散分布指标时序信息的事件关联数量;
步骤S644:根据所述事件关联数量和所述事件触发数量,计算第一故障事件触发概率;
步骤S645:将所述第一故障事件类型添加进所述故障事件类型,将所述第一故障事件触发概率添加进所述故障触发概率。
具体而言,根据所述离散分布风机和所述离散分布指标时序信息进行故障事件分布,生成故障事件类型和故障触发概率,故障事件类型是指第一故障事件检出记录集和第二故障事件检出记录集中包含的故障事件类型,故障触发概率是指第一故障事件检出记录集和第二故障事件检出记录集中每一种故障事件类型的发生次数,在总的故障事件发生次数中所占的比重。
具体地,根据离散分布风机,获取离散分布风机工况信息,离散分布风机是处于离散区域分布的风机,离散分布风机工况信息是指离散分布机对应的工况信息,包括离散分布机的桨叶转速信息、桨叶角度信息、桨叶尺寸信息、工作环境信息等,以离散分布风机工况信息和离散分布指标时序信息为第一约束条件,以故障事件检出记录为第一期望条件进行数据检索,生成第一故障事件检出记录集,简单来说,就是以离散分布风机工况信息和离散分布指标时序信息为固定条件,确定故障事件,就可以获得第一故障事件检出记录集,第一故障事件检出记录集包含多个故障事件。以多条故障事件检出记录为第二约束条件,以风机工况和离散分布指标为第二期望条件进行数据检索,生成第二故障事件检出记录集,简单来说,就是以多条故障事件检出记录为固定条件,筛选风机工况和实时指标,风机工况和实时指标即为第二故障事件检出记录集,对第一故障事件检出记录集和第二故障事件检出记录集进行故障事件分布,生成故障事件类型和故障触发概率,故障事件类型是指第一故障事件检出记录集和第二故障事件检出记录集中包含的故障事件类型,故障触发概率是指第一故障事件检出记录集和第二故障事件检出记录集中每一种故障事件类型的发生次数,在总的故障事件发生次数中所占的比重。
具体地,根据第一故障事件检出记录集和第二故障事件检出记录集,获取第一故障事件类型,第一故障事件类型是指第一故障事件检出记录集和第二故障事件检出记录集中包含的任意一种故障事件类型,从第一故障事件检出记录集和第二故障事件检出记录集,提取第一故障事件类型的事件触发数量,第一故障事件类型的事件触发数量里面包括了第一故障事件类型,也可能包括其他的风机工况、分布指标时序,从第一故障事件检出记录集和第二故障事件检出记录集,提取第一故障事件类型、离散分布风机工况信息和离散分布指标时序信息的事件关联数量,事件关联数量指的是第一故障事件类型与需要的风机工况还有分布指标时序信息一同出现的数量,根据事件关联数量和所述事件触发数量,计算第一故障事件触发概率,就是用时间关联数量比上事件触发数量,得到的结果就是第一故障事件触发概率,进一步地,将第一故障事件类型添加进故障事件类型,将第一故障事件触发概率添加进故障触发概率,由此得到了故障事件类型和故障触发概率。
步骤S700:当所述故障触发概率大于或等于触发概率阈值,对所述离散分布风机的所述故障事件类型进行故障预警。
具体而言,可以根据实际情况,设置触发概率阈值,触发概率阈值是用于进行故障预警的参考数据,如果故障触发概率大于或等于触发概率阈值,就获取故障事件类型,以故障事件类型对离散分布风机进行故障预警,提醒工作人员进行检修。
基于上述分析可知,本公开提供了一种智慧风电场的故障预警检测方法,在本实施例中,通过离散风机自动识别,且按照自定义的关联性分析算法实现了较为准确的故障事件匹配,达到提升预警灵活性和准确性的技术效果。
实施例二
基于与前述实施例中一种智慧风电场的故障预警检测方法同样的发明构思,如图2所示,本申请还提供了一种智慧风电场的故障预警检测***,所述***包括:
风机聚类分析模块11,所述风机聚类分析模块11用于获取风电场风机工况信息对风电场风机聚类分析,获取多个风机群落;
监测指标设定模块12,所述监测指标设定模块12用于设定故障预警监测指标;
指标时序信息采集模块13,所述指标时序信息采集模块13用于遍历所述故障预警监测指标,采集多组故障预警监测指标时序信息;
箱式分布序列图生成模块14,所述箱式分布序列图生成模块14用于根据所述多个风机群落,对所述多组故障预警监测指标时序信息进行箱式分布,生成箱式分布序列图;
信息提取模块15,所述信息提取模块15用于遍历所述箱式分布序列图,提取离散分布风机和离散分布指标时序信息;
故障事件分布模块16,所述故障事件分布模块16用于根据所述离散分布风机和所述离散分布指标时序信息进行故障事件分布,生成故障事件类型和故障触发概率;
故障预警模块17,所述故障预警模块17用于当所述故障触发概率大于或等于触发概率阈值,对所述离散分布风机的所述故障事件类型进行故障预警。
进一步而言,所述***还包括:
工况信息分析模块,所述工况信息分析模块用于说明所述风电场风机工况信息包括机组工作参数信息和机组工作环境信息;
第一聚类结果生成模块,所述第一聚类结果生成模块用于根据所述机组工作参数信息对所述风电场风机聚类分析,生成第一聚类结果;
第二聚类结果生成模块用于根据所述机组工作环境信息对所述风电场风机聚类分析,生成第二聚类结果;
交集提取模块,所述交集提取模块用于将所述第一聚类结果和所述第二聚类结果取交集,生成所述多个风机群落。
进一步而言,所述***还包括:
第n个风机群落获取模块,所述第n个风机群落获取模块用于根据所述多个风机群落,获取第n个风机群落;
监测指标时序信息提取模块,所述监测指标时序信息提取模块用于根据所述第n个风机群落,从所述多组故障预警监测指标时序信息中,提取所述第n个风机群落的第m组监测指标时序信息;
箱式分布模块,所述箱式分布模块用于对所述第m组监测指标时序信息进行箱式分布,生成所述第n个风机群落的第m组箱式分布序列图;
箱式分布序列图添加模块,所述箱式分布序列图添加模块用于将所述第m组箱式分布序列图添加进所述箱式分布序列图。
进一步而言,所述***还包括:
节点监测指标集获取模块,所述节点监测指标集获取模块用于根据所述第m组监测指标时序信息,获取第i时间节点监测指标集;
节点监测指标箱式分布图生成模块,所述节点监测指标箱式分布图生成模块用于对所述第i时间节点监测指标集进行箱式分布,生成第i时间节点监测指标箱式分布图;
箱式分布图连接模块,所述箱式分布图连接模块用于将第一时间节点监测指标箱式分布图、第二时间节点监测指标箱式分布图直到所述第i时间节点监测指标箱式分布图依次连接,生成所述第n个风机群落的第m组箱式分布序列图。
进一步而言,所述***还包括:
离散分布风机工况信息获取模块,所述离散分布风机工况信息获取模块用于根据所述离散分布风机,获取离散分布风机工况信息;
第一故障事件检出记录集生成模块,所述第一故障事件检出记录集生成模块用于以所述离散分布风机工况信息和所述离散分布指标时序信息为第一约束条件,以故障事件检出记录为第一期望条件进行数据检索,生成第一故障事件检出记录集;
第二故障事件检出记录集生成模块用于以所述多条故障事件检出记录为第二约束条件,以风机工况和离散分布指标为第二期望条件进行数据检索,生成第二故障事件检出记录集;
故障事件检出记录集分析模块,所述故障事件检出记录集分析模块用于对所述第一故障事件检出记录集和所述第二故障事件检出记录集进行故障事件分布,生成所述故障事件类型和所述故障触发概率。
进一步而言,所述***还包括:
第一故障事件类型获取模块,所述第一故障事件类型获取模块用于根据所述第一故障事件检出记录集和所述第二故障事件检出记录集,获取第一故障事件类型;
事件触发数量提取模块,所述事件触发数量提取模块用于从所述第一故障事件检出记录集和所述第二故障事件检出记录集,提取所述第一故障事件类型的事件触发数量;
事件关联数量提取模块,所述事件关联数量提取模块用于从所述第一故障事件检出记录集和所述第二故障事件检出记录集,提取所述第一故障事件类型、所述离散分布风机工况信息和所述离散分布指标时序信息的事件关联数量;
第一故障事件触发概率计算模块,所述第一故障事件触发概率计算模块用于根据所述事件关联数量和所述事件触发数量,计算第一故障事件触发概率;
第一故障事件添加模块,所述第一故障事件添加模块用于将所述第一故障事件类型添加进所述故障事件类型,将所述第一故障事件触发概率添加进所述故障触发概率。
进一步而言,所述***还包括:
指标集中区域获取模块,所述指标集中区域获取模块用于遍历所述箱式分布序列图的任意一个箱式分布图,获取指标集中区域;
离散分布区域获取模块,所述离散分布区域获取模块用于根据所述指标集中区域在所述箱式分布图中划定离散分布区域;
离散分布风机添加模块,所述离散分布机添加模块用于将指标属于所述离散分布区域的风机,添加进所述离散分布风机,并提取所述离散分布指标时序信息。
前述实施例一中的一种智慧风电场的故障预警检测方法具体实例同样适用于本实施例的一种智慧风电场的故障预警检测***,通过前述对一种智慧风电场的故障预警检测方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种智慧风电场的故障预警检测***,所以为了说明书的简洁,在此不再详述。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
实施例三
图3是根据本公开第三实施例的示意图,如图3所示,本公开中的电子设备800可以包括:处理器801和存储器802。
存储器802,用于存储程序;存储器802,可以包括易失性存储器(英文:volatilememory),例如随机存取存储器(英文:random-access memory,缩写:RAM),如静态随机存取存储器(英文:static random-access memory,缩写:SRAM),双倍数据率同步动态随机存取存储器(英文:Double Data Rate Synchronous Dynamic Random AccessMemory,缩写:DDR SDRAM)等;存储器也可以包括非易失性存储器(英文:non-volatilememory),例如快闪存储器(英文:flash memory)。存储器802用于存储计算机程序(如实现上述方法的应用程序、功能模块等)、计算机指令等,上述的计算机程序、计算机指令等可以分区存储在一个或多个存储器802中。并且上述的计算机程序、计算机指令、数据等可以被处理器801调用。
上述的计算机程序、计算机指令等可以分区存储在一个或多个存储器802中。并且上述的计算机程序、计算机指据等可以被处理器801调用。
处理器801,用于执行存储器802存储的计算机程序,以实现上述实施例涉及的方法中的各个步骤。
具体可以参见前面方法实施例中的相关描述。
处理器801和存储器802可以是独立结构,也可以是集成在一起的集成结构。当处理器801和存储器802是独立结构时,存储器802、处理器801可以通过总线803耦合连接。
本实施例的电子设备可以执行上述方法中的技术方案,其具体实现过程和技术原理相同,此处不再赘述。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
根据本公开的实施例,本公开还提供了一种计算机程序产品,计算机程序产品包括:计算机程序,计算机程序存储在可读存储介质中,电子设备的至少一个处理器可以从可读存储介质读取计算机程序,至少一个处理器执行计算机程序使得电子设备执行上述任一实施例提供的方案。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行,也可以顺序地执行也可以不同的次序执行,
只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (7)
1.一种智慧风电场的故障预警检测方法,其特征在于,包括:
获取风电场风机工况信息对风电场风机聚类分析,获取多个风机群落;
设定故障预警监测指标;
遍历所述故障预警监测指标,采集多组故障预警监测指标时序信息;
根据所述多个风机群落,对所述多组故障预警监测指标时序信息进行箱式分布,生成箱式分布序列图;
遍历所述箱式分布序列图,提取离散分布风机和离散分布指标时序信息;
根据所述离散分布风机和所述离散分布指标时序信息进行故障事件分布,生成故障事件类型和故障触发概率;
当所述故障触发概率大于或等于触发概率阈值,对所述离散分布风机的所述故障事件类型进行故障预警;
其中,所述根据所述多个风机群落,对所述多组故障预警监测指标时序信息进行箱式分布,生成箱式分布序列图,包括:
根据所述多个风机群落,获取第n个风机群落;
根据所述第n个风机群落,从所述多组故障预警监测指标时序信息中,提取所述第n个风机群落的第m组监测指标时序信息;
对所述第m组监测指标时序信息进行箱式分布,生成所述第n个风机群落的第m组箱式分布序列图;
将所述第m组箱式分布序列图添加进所述箱式分布序列图;
其中,所述对所述第m组监测指标时序信息进行箱式分布,生成所述第n个风机群落的第m组箱式分布序列图,包括:
根据所述第m组监测指标时序信息,获取第i时间节点监测指标集;
对所述第i时间节点监测指标集进行箱式分布,生成第i时间节点监测指标箱式分布图;
将第一时间节点监测指标箱式分布图、第二时间节点监测指标箱式分布图直到所述第i时间节点监测指标箱式分布图依次连接,生成所述第n个风机群落的第m组箱式分布序列图。
2.如权利要求1所述的方法,其特征在于,所述获取风电场风机工况信息对风电场风机聚类分析,获取多个风机群落,包括:
所述风电场风机工况信息包括机组工作参数信息和机组工作环境信息;
根据所述机组工作参数信息对所述风电场风机聚类分析,生成第一聚类结果;
根据所述机组工作环境信息对所述风电场风机聚类分析,生成第二聚类结果;
将所述第一聚类结果和所述第二聚类结果取交集,生成所述多个风机群落。
3.如权利要求1所述的方法,其特征在于,所述根据所述离散分布风机和所述离散分布指标时序信息进行故障事件分布,生成故障事件类型和故障触发概率,包括:
根据所述离散分布风机,获取离散分布风机工况信息;
以所述离散分布风机工况信息和所述离散分布指标时序信息为第一约束条件,以故障事件检出记录为第一期望条件进行数据检索,生成第一故障事件检出记录集;
以所述多条故障事件检出记录为第二约束条件,以风机工况和离散分布指标为第二期望条件进行数据检索,生成第二故障事件检出记录集;
对所述第一故障事件检出记录集和所述第二故障事件检出记录集进行故障事件分布,生成所述故障事件类型和所述故障触发概率。
4.如权利要求3所述的方法,其特征在于,所述对所述第一故障事件检出记录集和所述第二故障事件检出记录集进行故障事件分布,生成所述故障事件类型和所述故障触发概率,包括:
根据所述第一故障事件检出记录集和所述第二故障事件检出记录集,获取第一故障事件类型;
从所述第一故障事件检出记录集和所述第二故障事件检出记录集,提取所述第一故障事件类型的事件触发数量;
从所述第一故障事件检出记录集和所述第二故障事件检出记录集,提取所述第一故障事件类型、所述离散分布风机工况信息和所述离散分布指标时序信息的事件关联数量;
根据所述事件关联数量和所述事件触发数量,计算第一故障事件触发概率;
将所述第一故障事件类型添加进所述故障事件类型,将所述第一故障事件触发概率添加进所述故障触发概率。
5.如权利要求1所述的方法,其特征在于,所述遍历所述箱式分布序列图,提取离散分布风机和离散分布指标时序信息,包括:
遍历所述箱式分布序列图的任意一个箱式分布图,获取指标集中区域;
根据所述指标集中区域在所述箱式分布图中划定离散分布区域;
将指标属于所述离散分布区域的风机,添加进所述离散分布风机,并提取所述离散分布指标时序信息。
6.一种智慧风电场的故障预警检测***,其特征在于,所述***包括:
风机聚类分析模块,所述风机聚类分析模块用于获取风电场风机工况信息对风电场风机聚类分析,获取多个风机群落;
监测指标设定模块,所述监测指标设定模块用于设定故障预警监测指标;
指标时序信息采集模块,所述指标时序信息采集模块用于遍历所述故障预警监测指标,采集多组故障预警监测指标时序信息;
箱式分布序列图生成模块,所述箱式分布序列图生成模块用于根据所述多个风机群落,对所述多组故障预警监测指标时序信息进行箱式分布,生成箱式分布序列图;
信息提取模块,所述信息提取模块用于遍历所述箱式分布序列图,提取离散分布风机和离散分布指标时序信息;
故障事件分布模块,所述故障事件分布模块用于根据所述离散分布风机和所述离散分布指标时序信息进行故障事件分布,生成故障事件类型和故障触发概率;
故障预警模块,所述故障预警模块用于当所述故障触发概率大于或等于触发概率阈值,对所述离散分布风机的所述故障事件类型进行故障预警;
第n个风机群落获取模块,所述第n个风机群落获取模块用于根据所述多个风机群落,获取第n个风机群落;
监测指标时序信息提取模块,所述监测指标时序信息提取模块用于根据所述第n个风机群落,从所述多组故障预警监测指标时序信息中,提取所述第n个风机群落的第m组监测指标时序信息;
箱式分布模块,所述箱式分布模块用于对所述第m组监测指标时序信息进行箱式分布,生成所述第n个风机群落的第m组箱式分布序列图;
箱式分布序列图添加模块,所述箱式分布序列图添加模块用于将所述第m组箱式分布序列图添加进所述箱式分布序列图;
节点监测指标集获取模块,所述节点监测指标集获取模块用于根据所述第m组监测指标时序信息,获取第i时间节点监测指标集;
节点监测指标箱式分布图生成模块,所述节点监测指标箱式分布图生成模块用于对所述第i时间节点监测指标集进行箱式分布,生成第i时间节点监测指标箱式分布图;
箱式分布图连接模块,所述箱式分布图连接模块用于将第一时间节点监测指标箱式分布图、第二时间节点监测指标箱式分布图直到所述第i时间节点监测指标箱式分布图依次连接,生成所述第n个风机群落的第m组箱式分布序列图。
7.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-5中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211715333.3A CN116089890B (zh) | 2022-12-28 | 2022-12-28 | 一种智慧风电场的故障预警检测方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211715333.3A CN116089890B (zh) | 2022-12-28 | 2022-12-28 | 一种智慧风电场的故障预警检测方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116089890A CN116089890A (zh) | 2023-05-09 |
CN116089890B true CN116089890B (zh) | 2024-03-12 |
Family
ID=86211486
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211715333.3A Active CN116089890B (zh) | 2022-12-28 | 2022-12-28 | 一种智慧风电场的故障预警检测方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116089890B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116500441B (zh) * | 2023-06-30 | 2023-08-29 | 无锡中基电机制造有限公司 | 一种电机故障检测定位方法及*** |
CN117145752B (zh) * | 2023-10-26 | 2024-01-30 | 意朗智能科技(南通)有限公司 | 用于空压机的过滤故障识别方法及*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105863970A (zh) * | 2016-05-06 | 2016-08-17 | 华北电力大学(保定) | 一种风机故障识别方法及装置 |
CN114237206A (zh) * | 2021-12-17 | 2022-03-25 | 沈阳工程学院 | 一种面向复杂运行工况的风电变桨***故障检测方法 |
CN115526238A (zh) * | 2022-09-05 | 2022-12-27 | 南京泽宜电力工程有限公司 | 一种基于全工况卷积特征记忆的引风机故障预警方法 |
-
2022
- 2022-12-28 CN CN202211715333.3A patent/CN116089890B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105863970A (zh) * | 2016-05-06 | 2016-08-17 | 华北电力大学(保定) | 一种风机故障识别方法及装置 |
CN114237206A (zh) * | 2021-12-17 | 2022-03-25 | 沈阳工程学院 | 一种面向复杂运行工况的风电变桨***故障检测方法 |
CN115526238A (zh) * | 2022-09-05 | 2022-12-27 | 南京泽宜电力工程有限公司 | 一种基于全工况卷积特征记忆的引风机故障预警方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116089890A (zh) | 2023-05-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116089890B (zh) | 一种智慧风电场的故障预警检测方法及*** | |
CN109751206B (zh) | 风机叶片结冰故障预测方法、装置及存储介质 | |
CN103323772B (zh) | 基于神经网络模型的风力发电机运行状态分析方法 | |
CN105677791B (zh) | 用于分析风力发电机组的运行数据的方法和*** | |
CN110570122B (zh) | 一种计及风速季节特性及集电***元件故障的海上风电场可靠性评估方法 | |
CN111754026B (zh) | 光伏电站群功率预测方法、装置、计算机设备及存储介质 | |
CN110929963A (zh) | 风速预测方法、装置以及存储介质 | |
CN112462736B (zh) | 一种基于数据分析的风电机组故障诊断方法 | |
CN107133632A (zh) | 一种风电设备故障诊断方法及*** | |
CN103675354A (zh) | 一种风速仪故障检测的方法和*** | |
CN103675357A (zh) | 风速仪故障预警的方法和*** | |
CN115563885A (zh) | 一种风电厂储能电池能量转换*** | |
CN113746425B (zh) | 光伏逆变器参数异常分析方法、*** | |
CN108074045B (zh) | 风电机组整机脆弱性分析与故障排序方法及电子终端 | |
CN113326667B (zh) | 一种太阳能电池板故障诊断方法及*** | |
CN116085212B (zh) | 一种新能源风电机组的运行状态实时监测方法及*** | |
CN116611741B (zh) | 基于风电设备的服役质量指数体系构建方法及*** | |
CN112211794B (zh) | 风电机组的机舱温度异常预警方法、装置、设备及介质 | |
CN116221037A (zh) | 一种风电机组监测方法和装置 | |
CN115842408A (zh) | 基于scada的风电场运行状态检测***及方法 | |
CN117033923A (zh) | 一种基于可解释性机器学习的犯罪数量预测方法及*** | |
CN113268552B (zh) | 一种基于局部敏感哈希的发电机设备隐患预警方法 | |
CN116628570A (zh) | 风机叶片覆冰失效检测方法、装置、存储介质和设备 | |
CN115345370A (zh) | 一种基于Vine Copula模型的风电机组运行联动性分析方法 | |
CN112950403A (zh) | 风机多工况数据异常处理的方法、装置及计算机可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |