风力发电机组故障诊断方法、装置和电子设备制造方法及图纸

本申请实施例提供了一种风力发电机组故障诊断方法、装置和电子设备，该故障诊断方法包括：确定实时检测到的风力发电机组的当前故障模式；根据风力发电机组的故障模式影响危害性分析FMECA故障信息知识库，确定当前故障模式所有可能的故障原因、各故障原因的先验概率、以及对应于所有故障原因的当前故障模式的条件概率；基于各故障原因的先验概率、以及当前故障模式的条件概率，计算对应于当前故障模式的各故障原因的后验概率；根据各故障原因、以及各故障原因的后验概率生成当前故障模式的故障处理方案列表。通过本申请实施例的方案，可有效提高风力发电机组的故障诊断能力和诊断效果。

Fault diagnosis method, device and electronic equipment of wind turbine

【技术实现步骤摘要】
风力发电机组故障诊断方法、装置和电子设备
本申请涉及风力发电
，具体而言，本专利技术涉及一种风力发电机组故障诊断方法、装置和电子设备。
技术介绍
风力发电作为一种绿色可再生能源的产生方式，已广泛应用于世界各地。随着风力发电机组数量的增加以及运行时间的累计，风力发电机组发生故障的概率也会相对增多。风力发电机组一旦发生故障就会导致机组性能的下降，甚至会导致风力发电的工作无法进行。因此，风力发电机组的故障诊断是风力发电必不可少的一个环节。风力发电机组的各部件之间相互关联、紧密耦合，为其维护、维修等保障服务工作带来了极大挑战。目前，现有技术中对风力发电机组故障的预测诊断多是采用统计故障历史数据，依据故障历史数据建立故障树结构的信息库，在故障发生时，在该信息库的基础上检索得到相关故障树信息，得出故障原因集合。然而建立故障树需要以调查事故和分析事故为基础，工作量大且需要充分的数据支撑，属于事后分析，故障诊断效果不理想，需要现场维护人员对可能的故障原因一一进行排除，故障定位效率较低。
技术实现思路
本申请实施例提供了一种风力发电机组故障诊断方法、装置和电子设备，可以提高故障诊断的效果。本申请实施例采用的技术方案如下：第一方面，本申请实施例提供了一种风力发电机组故障诊断方法，包括：确定实时检测到的风力发电机组的当前故障模式；根据预配置的风力发电机组的故障模式影响危害性分析(failuremode，effects,criticalityanalysis,FMECA)故障信息知识库，确定当前故障模式所有可能的故障原因、各故障原因的先验概率、以及对应于所有故障原因的当前故障模式的条件概率；基于各故障原因的先验概率、以及当前故障模式的联合概率分布，计算对应于当前故障模式的各故障原因的后验概率；根据各故障原因和各故障原因的后验概率生成当前故障模式的故障处理方案列表。第二方面，本申请实施例提供了一种风力发电机组故障诊断装置，该装置包括：故障模式确定模块，用于确定实时检测到的风力发电机组的当前故障模式；故障原因及概率确定模块，用于根据预配置的风力发电机组的故障模式影响危害性分析FMECA故障信息知识库，确定当前故障模式所有可能的故障原因、各故障原因的先验概率、以及对应于所有故障原因的当前故障模式的条件概率；故障原因后验概率确定模块，用于基于各故障原因的先验概率、以及当前故障模式的条件概率，计算对应于当前故障模式的各故障原因的后验概率；故障处理方案生成模块，用于根据各故障原因和各故障原因的后验概率生成当前故障模式的故障处理方案列表。第三方面，本申请实施例提供了一种电子设备，包括处理器和存储器；存储器，被配置用于存储机器可读指令；处理器，用于通过调用可读指令，执行本申请任一实施例中所示的风力发电机组故障诊断方法。本申请实施例提供的技术方案带来的有益效果是：本申请实施例提供的风力发电机组故障诊断方法、装置和电子设备，充分利用了在风力发电机组的产品设计阶段建立的FMECA知识实现了对风力发电机组故障发生时故障原因的诊断，可以得到了包括各故障原因和各故障原因的后验概率的故障处理方案列表。由于FMECA是在产品研发阶段就生成的故障分析数据，随着认知的加深可不断迭代优化，因此，利用该知识进行故障诊断可进行事前分析，对故障原因的定位更加有效，尤其是对于一些新的故障模式的故障原因的定位，提高了风力发电机组的故障诊断能力以及故障诊断效果。附图说明为了更清楚地说明本申请实施例中的技术方案，下面将对本申请实施例描述中所需要使用的附图作简单地介绍。图1示出了本申请一个实施例中提供的一种风力发电机组故障诊断方法的流程示意图；图2示出了本申请另一个实施例中提供的一种风力发电机组故障诊断方法的流程示意图；图3示出了本申请又一个实施例中提供的一种风力发电机组故障诊断方法的流程示意图；图4示出了本申请具体实施例中一种风力发电机组故障诊断方法的流程示意图；图5示出了本申请具体实施例中一种贝叶斯网络的结构示意图；图6示出了本申请具体实施例中另一种贝叶斯网络的结构示意图；图7示出了本申请具体实施例中包括左偏航反馈丢失时各故障原因的后验概率的贝叶斯网络的结构示意图；图8示出了本申请具体实施例中包括左偏航丢失且右偏航反馈正常时各故障原因的后验概率的贝叶斯网络的结构示意图；图9示出了本申请一个实施例中提供的一种风力发电机组故障诊断装置的结构示意图；图10示出了本申请另一实施例中提供的一种风力发电机组故障诊断装置的结构示意图；图11示出了本申请又一实施例中提供的一种风力发电机组故障诊断装置的结构示意图；图12示出了本申请再一实施例中提供的一种风力发电机组故障诊断装置的结构示意图；图13示出了本申请实施例中一种电子设备的结构示意图；附图中的附图标记说明：900-故障诊断装置；910-FMECA知识库创建模块；920-故障模式确定模块；930-故障原因及概率确定模块；940-故障检测事件确定模块；950-故障原因后验概率确定模块；960-故障处理方案生成模块；970-故障原因定位模块。具体实施方式下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本申请，而不能解释为对本专利技术的限制。为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。首先对本申请涉及的几个名词进行介绍和解释：FMECA：是针对产品所有可能的故障，并根据对故障模式的分析，确定每种故障模式对产品工作的影响，找出单点故障，并按故障模式的严重度及其发生概率确定其危害性，是产品研发阶段生成的故障分析模型。风力发电机组的FMECA表：基于风力发电机组FMECA的数据表或文档，其中记载了可以包括但不限于风力发电机组中产品或功能标志、产品或功能的功能说明、风力发电机组中的各故障模式、导致各故障模式的各故障原因、各故障原因的先验概率、对应于每个故障原因的故障模式的条件概率即一个故障原因发生条件下该故障模式出现的概率(也可以称为故障模式影响概率)、各故障原因的先验概率的来源、还可以包括各故障模式的严酷度即对风力发电机组的影响程度。概率表：概率表中记载了对于FMECA表中的每个故障模式的条件概率。故障处理措施表：概率表中记载了FMECA表中的每个故障原因的故障检测方法(即故障原因排查方案)。风力发电机组的FMECA故障信息知识库：基于FMECA表所建立的数据库，其中至少记载有风力发电机组中的各故障模式、各故障原因、各故障原因的先验概率和各故障模式的条件概率等信息，知识库中还可以包括FMECA表中的其它数据、故障处理措施表中的数据、基于本文档来自技高网...

【技术保护点】
1.一种风力发电机组故障诊断方法，其特征在于，包括：/n确定实时检测到的风力发电机组的当前故障模式；/n根据预配置的所述风力发电机组的故障模式影响危害性分析FMECA故障信息知识库，确定所述当前故障模式所有可能的故障原因、各所述故障原因的先验概率、以及对应于所有所述故障原因的所述当前故障模式的条件概率；/n基于各所述故障原因的先验概率、以及所述当前故障模式的条件概率，计算对应于所述当前故障模式的各所述故障原因的后验概率；/n根据各所述故障原因和各所述故障原因的后验概率生成所述当前故障模式的故障处理方案列表。/n

【技术特征摘要】
1.一种风力发电机组故障诊断方法，其特征在于，包括：
确定实时检测到的风力发电机组的当前故障模式；
根据预配置的所述风力发电机组的故障模式影响危害性分析FMECA故障信息知识库，确定所述当前故障模式所有可能的故障原因、各所述故障原因的先验概率、以及对应于所有所述故障原因的所述当前故障模式的条件概率；
基于各所述故障原因的先验概率、以及所述当前故障模式的条件概率，计算对应于所述当前故障模式的各所述故障原因的后验概率；
根据各所述故障原因和各所述故障原因的后验概率生成所述当前故障模式的故障处理方案列表。


2.根据权利要求1所述的故障诊断方法，其特征在于，所述故障原因为所述当前故障模式的直接原因，或者为所述当前故障模式的最底层原因；
其中，所述直接原因是指直接导致所述当前故障模式发生的故障原因，所述最底层故障原因是指作为故障模式时不存在导致其发生的故障原因的故障原因。


3.根据权利要求2所述的故障诊断方法，其特征在于，所述确定所述当前故障模式所有可能的故障原因之后，还包括：
根据所述FMECA故障信息知识库，确定各所述故障原因对应的故障检测事件，所述故障检测事件是指由所述故障原因引起的除所述当前故障模式之外的最上层故障模式；
若所述故障原因对应的故障检测事件存在，所述基于各所述故障原因的先验概率、以及对应于所有所述故障原因的所述当前故障模式的条件概率，计算对应于所述当前故障模式的各所述故障原因的后验概率，包括：
确定所述故障原因对应的故障检测事件的状态；
根据所述故障原因对应的故障检测事件的检测状态、所述各故障原因的先验概率、所述当前故障模式的条件概率、以及所述故障检测事件的条件概率，计算各所述故障原因的后验概率。


4.根据权利要求3所述的故障诊断方法，其特征在于，若所述故障原因为所述当前故障模式的最底层原因，所述根据所述风力发电机组的FMECA故障信息知识库，确定所述当前故障模式所有可能的故障原因、各所述故障原因的先验概率、以及对应于所有所述故障原因的所述当前故障模式的条件概率，包括：
在所述FMECA故障信息知识库中查找所述当前故障模式的所有可能的直接原因；
确定所述直接原因是否为所述当前故障模式的最底层原因；
若所述直接原因节不是最底层原因，则以所述直接原因为故障模式，在所述FMECA故障信息知识库中进一步查找对应的最底层原因；
以所述当前故障模式为故障模式节点、查找到的所有最底层原因为故障原因节点、查找到的除最底层原因外的故障原因为中间节点，根据故障因果关系，建立有向边由故障原因指向故障模式的贝叶斯网络；
根据所述FMECA故障信息知识库，确定所述贝叶斯网络中各所述故障原因节点的先验概率、各所述中间节点的先验概率、各所述中间节点的条件概率、以及所述故障模式节点的条件概率；
所述基于各所述故障原因的先验概率、以及所述当前故障模式的条件概率，计算对应于所述当前故障模式的各所述故障原因的后验概率，包括：
基于所述贝叶斯网络中各所述故障原因节点的先验概率、各所述中间节点的先验概率、各所述中间节点的条件概率、以及所述故障模式节点的条件概率，计算对应于所述故障模式节点的各所述故障原因节点的后验概率。


5.根据权利要求4所述的故障诊断方法，其特征在于，若所述最底层原因存在对应的故障检测事件，所述贝叶斯网络还包括故障检测节点，以及由所述故障检测节点指向对应的故障原因节点的有向边，其中，所述故障检测节点为所述最底层原因对应的故障检测事件。


6.根据权利要求1至5中任一项所述的故障诊断方法，其特征在于，所述根据各所述故障原因和各所述故障原因的后验概率生成所述当前故障模式的故障处理方案列表之后，还包括：
根据所述故障处理方案列表对各所述故障原因依次进行故障排查，直至定位出所述当前故障模式的实际故障原因。


7.根据权利要求6所述的故障诊断方法，其特征在于，所述根据各所述故障原因和各所述故障原因的后验概率生成所述当前故障模式的故障处理方案列表，包括：
按照各所述故障原因的后验概率由大到小的顺序，创建包括所述各所述故障原因、以及各所述故障原因的后验概率的所述故障处理方案列表；
所述根据所述故障处理方案列表对各所述故障原因依次进行故障排查包括：
按照各所述故障原因的后验概率由大到小的顺序，对各所述故障原因依次进行故障排查。


8.根据权利要求7所述的故障诊断方法，其特征在于，所述根据所述故障处理方案列表对各所述故障原因依次进行故障排查，包括：
对所述故障处理方案列表中的一个所述故障原因进行故障排查，确定所述一个所述故障原因的状态；
若所述一个所述故障原因的状态为故障发生，则确定所述一个所述故障原因是所述当前故障模式的实际故障原因；
若所述一个...

【专利技术属性】
技术研发人员：司伟涛，邓刚，
申请(专利权)人：北京金风科创风电设备有限公司，
类型：发明
国别省市：北京;11