风机故障预报警方法及系统技术方案

本发明专利技术涉及风机故障预警技术领域，是一种风机故障预报警方法及系统，前者包括以下步骤：获取风场的实时SCADA运行数据和风场的历史SCADA运行数据；在实时SCADA运行数据和历史SCADA运行数据中根据m个有效数据变量分别选取相同的m个样本数据集；将实时运行输入数据和历史运行输入数据分别输入基于K均值聚类算法的计算模型，获得实时运行输出数据和历史运行输出数据；通过两类输出数据对比识别异常数据，给出预报警信息。本发明专利技术利用K均值聚类算法将运行数据分类，对聚类输出均值数据创建虚拟变量分析输出数据，对两类输出数据进行对比，识别异常数据，给出预报警信息，从而能及时发现发电机的异常情况，更为有效和合理地对风机故障进行预报警和预防。

Method and system of fan fault warning

【技术实现步骤摘要】
风机故障预报警方法及系统
本专利技术涉及风机故障预警
，是一种风机故障预报警方法及系统。
技术介绍
随着我国风电机组运行总量的不断增加，风机故障时有发生，甚至演变为重大事故，同时，随着风机运行时间的增长，事故发生的频率也逐步增加。目前由于风机容量逐步增加，结构部件增加，运行工况复杂多变,仅依靠恒定值或故障代码作为风机装置是否预警的触发指标,容易造成不报、误报及排查时间不足等问题的现象。
技术实现思路
本专利技术提供了一种风机故障预报警方法及系统，克服了上述现有技术之不足，其能有效解决现有风电机组多依靠恒定值或故障代码作为风机装置是否预警的触发指标，易造成报警不准确的问题。本专利技术的技术方案之一是通过以下措施来实现的：一种风机故障预报警方法，包括以下步骤：获取风场的实时SCADA运行数据和设定时间内风场的历史SCADA运行数据；在实时SCADA运行数据和历史SCADA运行数据中根据m个有效数据变量分别选取m个样本数据集，作为基于K均值聚类算法计算模型的实时运行输入数据和历史运行输入数据；将实时运行输入数据和历史运行输入数据分别输入基于K均值聚类算法计算模型，获得实时运行输出数据和历史运行输出数据；通过实时运行输出数据和历史运行输出数据对比识别异常数据，给出预报警信息。下面是对上述专利技术技术方案的进一步优化或/和改进：上述根据8个有效数据变量分别选取8个样本数据集，每个有效数据变量对应一个样本数据集，8个有效数据变量分别为风速、发电机功率、风轮转速、发电机转速、发电机箱温度、发电量、齿轮箱油温度、发电机定子温度。上述基于K均值聚类算法计算模型的计算过程包括：输入数据转换，将不具有正态分布的输入数据变换成具有正态分布的输入数据；对具有正态分布的输入数据进行数据离差标准化；利用K均值聚类算法对输入数据进行聚类，聚类不再发生变化时，输出聚类过程的最后一次均值数据；对聚类输出的最后一次均值数据创建虚拟变量，并做虚拟变量线性回归分析，输出分析数值。上述利用K均值聚类算法对输入数据进行聚类，聚类不再发生变化时，输出聚类过程的最后一次均值数据，包括：计算样本数据集的均值；在该样本数据集中选取k个样本作为初始聚类中心，计算每个样本点与各个聚类中心的最小距离，并根据最小距离重新划分聚类中心；重复上述过程，直到每次聚类不再发生变化，输出聚类过程的最后一次均值。上述通过实时运行输出数据和历史运行输出数据对比识别异常数据，给出预报警信息，包括：数据对比，对实时运行输出数据和历史运行输出数据进行二值化处理，将历史运行输出数据作为阈值，将实时运行输出数据与阈值进行对比，并绘制出相关性系数曲线；窗口筛选，利用滑动窗口统计方法，以历史运行输出数据为基础，设置两重滑动窗口宽度，对实时运行输出数据进行筛选，将第一重与第二重宽度内数据为预警数值，将超出第二重宽度的数据为报警数值。上述获取设定时间内风场的历史SCADA运行数据，包括：数据提取，以风场的SCADA网络作为信息传递网络，提取设定时间内风场的历史SCADA运行数据；数据筛选，在提取设定时间内风场的历史SCADA运行数据中，筛选出满足筛选条件的历史SCADA运行数据，其中筛选条件包括a、数据为历史正常运行状态数据，b、数据的时间周长长，且涵盖不同时间、不同负荷状态下的运行数据，c、不是风机停机数据。本专利技术的技术方案之二是通过以下措施来实现的：一种风机故障预报警系统，包括数据获取单元、模型输入数据生成单元、模型计算单元和报警生成单元；数据获取单元，获取风场的实时SCADA运行数据和设定时间内风场的历史SCADA运行数据；模型输入数据生成单元，在实时SCADA运行数据和历史SCADA运行数据中根据m个有效数据变量分别选取m个样本数据集，作为基于K均值聚类算法计算模型的实时运行输入数据和历史运行输入数据；模型计算单元，将实时运行输入数据和历史运行输入数据分别输入基于K均值聚类算法计算模型，获得实时运行输出数据和历史运行输出数据；报警生成单元，通过实时运行输出数据和历史运行输出数据对比识别异常数据，给出预报警信息。本专利技术直接提取SCADA运行数据，选取8个样本数据集，利用K均值聚类算法将运行数据分类，并对聚类输出均值数据创建虚拟变量分析输出数据，并通过实时运行输出数据和历史运行输出数据对比识别异常数据，给出预报警信息，从而能及时发现发电机的异常情况，更为有效和合理地对风机故障进行预报警和预防，提升风机运行的安全。同时本专利技术无需额外的设备测量，有效降低了成本。附图说明附图1为本专利技术实施例1的流程图。附图2为本专利技术实施例1中基于K均值聚类算法计算模型的计算流程图。附图3为本专利技术实施例1中K均值聚类算法对输入数据进行聚类的方法流程图。附图4为本专利技术实施例2的系统结构示意图。具体实施方式本专利技术不受下述实施例的限制，可根据本专利技术的技术方案与实际情况来确定具体的实施方式。下面结合实施例及附图对本专利技术作进一步描述：实施例1：如附图1所示，一种风机故障预报警方法，包括以下步骤：S1，获取风场的实时SCADA运行数据和设定时间内风场的历史SCADA运行数据；S2，在实时SCADA运行数据和历史SCADA运行数据中根据m个有效数据变量分别选取m个样本数据集，作为基于K均值聚类算法计算模型的实时运行输入数据和历史运行输入数据；S3，将实时运行输入数据和历史运行输入数据分别输入基于K均值聚类算法计算模型，获得实时运行输出数据和历史运行输出数据；S4，通过实时运行输出数据和历史运行输出数据对比识别异常数据，给出预报警信息。可根据实际需要，对上述风机故障预报警方法作进一步优化或/和改进：如附图1所示，S2中所述在实时SCADA运行数据和历史SCADA运行数据中根据8个有效数据变量分别选取8个样本数据集，每个有效数据变量对应一个样本数据集，8个有效数据变量分别为风速、发电机功率、风轮转速、发电机转速、发电机箱温度、发电量、齿轮箱油温度、发电机定子温度。如附图2所示，S3，所述基于K均值聚类算法计算模型的计算过程包括：S31，输入数据转换，将不具有正态分布的输入数据变换成具有正态分布的输入数据，如下式所示：x'＝log(x)；其中x为不具有正态分布的输入数据，即不具有正态分布的实时SCADA运行数据或不具有正态分布的历史SCADA运行数据；x'为变换后具有正态分布的输入数据。S32，对具有正态分布的输入数据进行数据离差标准化；对具有正态分布的输入数据进行数据离差标准化，即基于原始数据的最大值、最小值，并通过下式对数据进行线性变换：其中x”为离差标准化后的数据；x'为变换后具有正态分布的输入数据；min为同一样本数据集中原始数据的最小值本文档来自技高网...

【技术保护点】
1.一种风机故障预报警方法，其特征在于，包括以下步骤：/n获取风场的实时SCADA运行数据和设定时间内风场的历史SCADA运行数据；/n在实时SCADA运行数据和历史SCADA运行数据中根据m个有效数据变量分别选取m个样本数据集，作为基于K均值聚类算法计算模型的实时运行输入数据和历史运行输入数据；/n将实时运行输入数据和历史运行输入数据分别输入基于K均值聚类算法计算模型，获得实时运行输出数据和历史运行输出数据；/n通过实时运行输出数据和历史运行输出数据对比识别异常数据，给出预报警信息。/n

【技术特征摘要】
1.一种风机故障预报警方法，其特征在于，包括以下步骤：
获取风场的实时SCADA运行数据和设定时间内风场的历史SCADA运行数据；
在实时SCADA运行数据和历史SCADA运行数据中根据m个有效数据变量分别选取m个样本数据集，作为基于K均值聚类算法计算模型的实时运行输入数据和历史运行输入数据；
将实时运行输入数据和历史运行输入数据分别输入基于K均值聚类算法计算模型，获得实时运行输出数据和历史运行输出数据；
通过实时运行输出数据和历史运行输出数据对比识别异常数据，给出预报警信息。


2.根据权利要求1所述的风机故障预报警方法，其特征在于，所述根据8个有效数据变量分别选取8个样本数据集，每个有效数据变量对应一个样本数据集，8个有效数据变量分别为风速、发电机功率、风轮转速、发电机转速、发电机箱温度、发电量、齿轮箱油温度、发电机定子温度。


3.根据权利要求1所述的风机故障预报警方法，其特征在于，所述基于K均值聚类算法计算模型的计算过程包括：
输入数据转换，将不具有正态分布的输入数据变换成具有正态分布的输入数据；
对具有正态分布的输入数据进行数据离差标准化；
利用K均值聚类算法对输入数据进行聚类，聚类不再发生变化时，输出聚类过程的最后一次均值数据；
对聚类输出的最后一次均值数据创建虚拟变量，并做虚拟变量线性回归分析，输出分析数值。


4.根据权利要求3所述的风机故障预报警方法，其特征在于，所述利用K均值聚类算法对输入数据进行聚类，聚类不再发生变化时，输出聚类过程的最后一次均值数据，包括：
计算样本数据集的均值；
在该样本数据集中选取k个样本作为初始聚类中心，计算每个样本点与各个聚类中心的最小距离，并根据最小距离重新划分聚类中心；
重复上述过程，直到每次聚类不再发生变化，输出聚类过程的最后一次均值。


5.根据权利要求1或2或3或4所述的风机故障预报警方法，其特征在于，通过实时运行输出数据和历史运行输出数据对比识别异常数据，给出预报警信息，包括：
数据对比，对实时运行输出数据和历史运行输出数据进行二值化处理，将历史运行输出数据作为阈...

【专利技术属性】
技术研发人员：陈德会，丁同光，高杰，张佳伟，薛海军，熊巧珍，连世超，马凤林，
申请(专利权)人：大唐新疆清洁能源有限公司，
类型：发明
国别省市：新疆;65