The invention discloses a method of fan index prediction and fault warning based on the large data set nearest neighbor strategy. This method is based on the historical data of the operating state of the fan, combining statistics and machine learning methods, taking the multiple monitoring indexes of the fan as the input index, and the multiple monitoring indexes as the output index of the prediction estimation. The prediction value of the output index is statistically analyzed, and the relationship between the number of quantiles and the alarm level is set, and the early warning level is determined by examining the prediction interval corresponding to the actual value of the output index. The invention can accurately predict and monitor the fan index, and can be applied to various parts of the wind turbine generator unit, and has high universality.
【技术实现步骤摘要】
基于大数据集近邻策略的风机指标预测与故障预警方法
本专利技术涉及风力发电的
,尤其是指一种基于大数据集近邻策略的风机指标预测与故障预警方法。
技术介绍
业内习知,风力发电机组作为大型机械设备,长期处于恶劣的环境中,有较高故障风险,及时准确预警能够降低风机健康恶化的风险,以降低部件报废和停机过长带来的损失。现阶段风场以执行例行检修维护,且对风机状态评估及故障的诊断过于工作人员的经验;另一方面,目前阶段的风机监控系统会对超限指标进行报警,但是由于其主要采用的是较宽的阈值,其触发预警时间已经很晚,不能做到更早的发现的作用。目前也已经有不少关于风力发电机组预警的报道,其中不少结合风速基于功率异常的方法来预警;一方面,该类方法的拓展性不够,只能局限于特定部件或者不具有针对性;另一方面,该类方法对现有的数据及其风机指标字段利用不够,容易造成误报。
技术实现思路
本专利技术的目的在于克服现有技术的缺点与不足,提出了一种基于大数据集近邻策略的风机指标预测与故障预警方法,能够对风机指标进行准确预警监控,该方法可以用于风力发电机组的各部件,普适性高。为实现上述目的,本专利技术所提供的技术方案为:基于大数据集近邻策略的风机指标预测与故障预警方法,该方法是基于风机运行状态的历史数据,结合统计学和机器学习方法,以风机的多个监测指标作为输入指标,多个监测指标作为预测估计的输出指标,并对输出指标的预测值进行统计分析,设定分位数与报警等级的关系,最终通过查看输出指标的实际值所对应的预测区间来确定预警等级;其包括有以下步骤:1)数据准备选取所分析的风机部件的指标集及其历史运行数据,并对数 ...
【技术保护点】
1.基于大数据集近邻策略的风机指标预测与故障预警方法,其特征在于:该方法是基于风机运行状态的历史数据,结合统计学和机器学习方法,以风机的多个监测指标作为输入指标,多个监测指标作为预测估计的输出指标,并对输出指标的预测值进行统计分析,设定分位数与报警等级的关系,最终通过查看输出指标的实际值所对应的预测区间来确定预警等级;其包括有以下步骤:1)数据准备选取所分析的风机部件的指标集及其历史运行数据,并对数据进行异常值处理,准备大量干净的历史数据作为训练集,存入数据库中;其中,所述指标集包括机舱温度、室外温度、风速实时值、发电机功率实时值、发电机转速实时值、发电机驱动端轴承温度、发电机非驱动端轴承温度、发电机定子绕组U温度、发电机定子绕组V温度及发电机定子绕组W温度,所述异常值包括空值、跳变值、重复值、离群点;2)相关性分析对步骤1)清洗过后的数据进行相关性分析,分析出各指标之间的相关性,确认预测输入指标与预测输出指标的相关性,若分析的指标集间存在相关性,则进行步骤3),若不存在,则重新筛选指标集,重复步骤1)、2),直到指标集间存在相关性为止;3)根据相关性分析,指定外生变量与内生变量作为输 ...
【技术特征摘要】
1.基于大数据集近邻策略的风机指标预测与故障预警方法,其特征在于:该方法是基于风机运行状态的历史数据,结合统计学和机器学习方法,以风机的多个监测指标作为输入指标,多个监测指标作为预测估计的输出指标,并对输出指标的预测值进行统计分析,设定分位数与报警等级的关系,最终通过查看输出指标的实际值所对应的预测区间来确定预警等级;其包括有以下步骤:1)数据准备选取所分析的风机部件的指标集及其历史运行数据,并对数据进行异常值处理,准备大量干净的历史数据作为训练集,存入数据库中;其中,所述指标集包括机舱温度、室外温度、风速实时值、发电机功率实时值、发电机转速实时值、发电机驱动端轴承温度、发电机非驱动端轴承温度、发电机定子绕组U温度、发电机定子绕组V温度及发电机定子绕组W温度,所述异常值包括空值、跳变值、重复值、离群点;2)相关性分析对步骤1)清洗过后的数据进行相关性分析,分析出各指标之间的相关性,确认预测输入指标与预测输出指标的相关性,若分析的指标集间存在相关性,则进行步骤3),若不存在,则重新筛选指标集,重复步骤1)、2),直到指标集间存在相关性为止;3)根据相关性分析,指定外生变量与内生变量作为输入变量和输出...
【专利技术属性】
技术研发人员:孙启涛,尹磊,余小六,周春容,
申请(专利权)人:明阳智慧能源集团股份公司,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。