基于在历史数据中进行相似搜索的风电机组状态预测方法技术

本发明专利技术提供一种基于在历史数据中进行相似搜索的风电机组状态预测方法，涉及风电机组状态监测技术领域。该方法对历史数据进行预处理后，进行风机属性选择与降维，通过改进的K均值聚类算法对降维后的数据进行聚类分析，李彤历史数据相似查询进行风机运行状态的预测。本发明专利技术提供的基于在历史数据中进行相似搜索的风电机组状态预测方法，能够将风电机组的历史运行数据建立数据库，并通过实时的运行数据与风机自身以及与其相似的风机历史数据进行对比对风电机组的状态进行评估。

A method for predicting the state of a wind turbine based on similar search in historical data

The invention provides a wind turbine state prediction method based on similar search in historical data, relating to the technical field of wind turbine condition monitoring. The method for historical data preprocessing, fan attribute selection and dimensionality reduction, clustering analysis of high-dimensional data by K clustering algorithm, Li Tong historical data query similarity forecast fan running state. The invention provides a method for forecasting based on similarity search in the historical data of the wind turbine, to historical operating data of wind turbine to establish database, and through the operation data and the real-time fan itself and similar fan historical data are compared to wind turbine state assessment.

【技术实现步骤摘要】
基于在历史数据中进行相似搜索的风电机组状态预测方法
本专利技术涉及风电机组状态监测
，尤其涉及一种基于在历史数据中进行相似搜索的风电机组状态预测方法。
技术介绍
目前，风电机组状态监测和故障诊断领域的研究处于起步阶段，已有的研究成果中，对于整机的研究侧重于状态评估和故障预测，对于机组的关键部件研究侧重于故障诊断。在风机状态评估中主要是残差分析，将SCADA(SupervisoryControlAndDataAcquisition，即数据采集与监视控制系统)的监测数据作为预测模型的输入，通过所建立如人工神经网络或支持向量机的预测模型获得预测值，进而将实际监测值与预测值结合求取残差，结合利用事先通过专家经验或正态分布等方法确定的残差阈值，通过检测是否超过阈值或通过残差趋势分析实现对故障预测，但是不能给出风机未来的运行状态的预测。在风机的故障诊断方法中主要方法包括振动分析和油液分析。振动分析对于低频信号具有一定的局限性，且在齿轮箱本体上安装传感器获取振动信号需增加投资和维护费用。油液分析因受限于监测硬件(传感器)设计和制造技术，存在测量误差较大、精度低因素，还没有在实际中实现在线油液监测。因此，现有的方法并不能够取得理想的效果。中国专利CN201310098308，公开了一种基于相似度统计的风电机组状态评估预警方法和系统，以及中国专利CN201310107926，公开了一种基于历史故障数据的风电机组状态评估方法和系统，其公开的方法为：步骤1、根据风电机组历史运行数据生成风电机组的多个正常状态模型和所述风电机组的安全基准线；步骤2、获取所述风电机组的实时运行数据，将所述风电机组的实时运行数据与所述正常状态模型进行对比以确定所述实时运行数据与所述正常状态模型的相似度；将所述风电机组的实时运行数据与所述风电机组的安全基准线进行对比以在所述实时运行数据异常时报警；步骤3、对所述实时运行数据进行分析以对所述风电机组故障进行预估。该专利存在的主要问题在于风电机组长期工作在恶劣的自然环境中，受到正常和极限极端温度、太阳辐射、降雨、积雪、盐雾、沙尘、地形轮廓等因素影响随着运行环境的变化风机的运行状态存在着一定的起伏变动，生成的健康状态模型不一定能够反映风机在健康状态下的所有变化，存在着局限性。而且由于自然条件的变化，风机的安全基线也应该是随着季节，温度而改变的，单纯的固定基线并不能很好地标识风机的运行状态是否安全。
技术实现思路
针对现有技术的缺陷，本专利技术提供一种基于在历史数据中进行相似搜索的风电机组状态预测方法，能够将风电机组的历史运行数据建立数据库，并通过实时的运行数据与风机自身以及与其相似的风机历史数据进行对比对风电机组的状态进行评估。一种基于在历史数据中进行相似搜索的风电机组状态预测方法，包括以下步骤：步骤1、获取足够长的风机传感器的历史运行数据，保证该历史运行数据能够包含风机可能存在的所有状态；步骤2、对风电机组历史运行数据进行预处理，删除无用的变量和错误的数据，补全缺失的数据；步骤3、利用随机森林算法对风机属性进行学习并提取重要性属性；步骤4、利用主成分分析对风机属性进行降维，生成风机的一维时间序列综合指标；步骤5、利用改进的K均值聚类算法对降维后的风机数据进行聚类分析，得到相似的风电机组；步骤6、在风电机组运行的过程中，系统通过当前运行数据实时的计算数据间的动态时间弯曲距离，在自身及其相似的风电机组历史数据中进行匹配，找到与当前状态最相似的历史数据，用该历史数据下一时刻的数据作为风机之后运行状态的预测，并进行风机状态预警。进一步地，所述步骤3的具体方法为：步骤3.1、根据专家意见和文献，选取适当的变量作为输出值，其他的变量作为输入值，利用随机森林算法，在预先设定好的参数下进行机器学习；步骤3.2、根据步骤3.1机器学习得到的结果，将各个属性按照均方误差增量进行排序，得到其他各个变量对选取为输出值变量的重要性，并选取重要性靠前的若干变量作为研究对象。进一步地，所述步骤4的具体方法为：步骤4.1、选取大量正常运行的风机的数据，进行主成分分析，得到特征向量和权值；步骤4.2、利用得到的特征向量和权值对相应风机数据进行降维，生成一维时间序列综合指标；步骤4.3、将风电机组降维后的数据存储在计算机中，作为风机状态的检索库。由上述技术方案可知，本专利技术的有益效果在于：本专利技术提供的基于在历史数据中进行相似搜索的风电机组状态预测方法，能够将风电机组的历史运行数据建立数据库，并通过实时的运行数据与风机自身以及与其相似的风机历史数据进行对比对风电机组的状态进行评估。在采用海量历史数据相似度挖掘技术的基础上，通过降维得到风电机组综合属性，在线对风电机组当前状态和历史同工况状态进行相似搜索分析，定量计算出风电机组当前状态与历史状态的相似程度，搜索出与当前状态最相似的历史状态，利用历史状态对风机状态进行预测，同时综合实现风电机组实时运行状态的安全评估，同时对风机的故障进行预警诊断。附图说明图1为本专利技术实施例提供的基于在历史数据中进行相似搜索的风电机组状态预测方法流程图；图2为本专利技术实施例提供的01300、01400和01500号风机的风机叶轮转速的对比曲线图；图3为本专利技术实施例提供的01300、01400和01500号风机的发电机转速的对比曲线图；图4为本专利技术实施例提供的01300、01400和01500号风机的发电机温度的对比曲线图；图5为本专利技术实施例提供的01300、01400和01500号风机的齿轮箱轴承温度的对比曲线图；图6为本专利技术实施例提供的01300、01400和01500号风机的齿轮箱油温的对比曲线图；图7为本专利技术实施例提供的01300、01400和01500号风机的有功功率的对比曲线图；图8为本专利技术实施例提供的01500号风机与查询数据一匹配的风机叶轮转速对比曲线图；图9为本专利技术实施例提供的01500号风机与查询数据一匹配的发电机转速对比曲线图；图10为本专利技术实施例提供的01500号风机与查询数据一匹配的发电机温度对比曲线图；图11为本专利技术实施例提供的01500号风机与查询数据一匹配的齿轮箱轴承温度对比曲线图；图12为本专利技术实施例提供的01500号风机与查询数据一匹配的齿轮箱油温对比曲线图；图13为本专利技术实施例提供的01500号风机与查询数据一匹配的有功功率对比曲线图；图14为本专利技术实施例提供的01300号风机与查询数据二匹配的风机叶轮转速对比曲线图；图15为本专利技术实施例提供的01300号风机与查询数据二匹配的发电机转速对比曲线图；图16为本专利技术实施例提供的01300号风机与查询数据二匹配的发电机温度对比曲线图；图17为本专利技术实施例提供的01300号风机与查询数据二匹配的齿轮箱轴承温度对比曲线图；图18为本专利技术实施例提供的01300号风机与查询数据二匹配的齿轮箱油温对比曲线图；图19为本专利技术实施例提供的01300号风机与查询数据二匹配的有功功率对比曲线图。具体实施方式下面结合附图和实施例，对本专利技术的具体实施方式作进一步详细描述。以下实施例用于说明本专利技术，但不用来限制本专利技术的范围。如图1所示，本实施例提供一种基于在历史数据中进行相似搜索的风电机组状态预测方法，包括如下步骤。步骤1、获取足够长的风机传感器的历史运本文档来自技高网...

【技术保护点】
一种基于在历史数据中进行相似搜索的风电机组状态预测方法，其特征在于：包括以下步骤：步骤1、获取足够长的风机传感器的历史运行数据，保证该历史运行数据能够包含风机可能存在的所有状态；步骤2、对风电机组历史运行数据进行预处理，删除无用的变量和错误的数据，补全缺失的数据；步骤3、利用随机森林算法对风机属性进行学习并提取重要性属性；步骤4、利用主成分分析对风机属性进行降维，生成风机的一维时间序列综合指标；步骤5、利用改进的K均值聚类算法对降维后的风机数据进行聚类分析，得到相似的风电机组；步骤6、在风电机组运行的过程中，系统通过当前运行数据实时的计算数据间的动态时间弯曲距离，在自身及其相似的风电机组历史数据中进行匹配，找到与当前状态最相似的历史数据，用该历史数据下一时刻的数据作为风机之后运行状态的预测，并进行风机状态预警。

【技术特征摘要】
1.一种基于在历史数据中进行相似搜索的风电机组状态预测方法，其特征在于：包括以下步骤：步骤1、获取足够长的风机传感器的历史运行数据，保证该历史运行数据能够包含风机可能存在的所有状态；步骤2、对风电机组历史运行数据进行预处理，删除无用的变量和错误的数据，补全缺失的数据；步骤3、利用随机森林算法对风机属性进行学习并提取重要性属性；步骤4、利用主成分分析对风机属性进行降维，生成风机的一维时间序列综合指标；步骤5、利用改进的K均值聚类算法对降维后的风机数据进行聚类分析，得到相似的风电机组；步骤6、在风电机组运行的过程中，系统通过当前运行数据实时的计算数据间的动态时间弯曲距离，在自身及其相似的风电机组历史数据中进行匹配，找到与当前状态最相似的历史数据，用该历史数据下一时刻的数据作为风机之后运行状态的预测，并进行风机状态预警。2.根据权利要求...

【专利技术属性】
技术研发人员：朱志良，杜海涛，石凯，宋航，刘国奇，于海，
申请(专利权)人：东北大学，
类型：发明
国别省市：辽宁,21