一种风力发电机组的故障预测方法及装置制造方法及图纸

公开了一种风力发电机组的故障预测方法及装置，所述方法包括：获取多台风力发电机组在预定周期内的历史风速数据；针对每台风力发电机组，基于每台风力发电机组的历史风速数据和设计参数计算极端阵风参量；利用极端阵风参量，建立极端阵风模型；根据每台风力发电机组的历史风速数据和极端阵风模型，生成每台风力发电机组在预定周期内的第一风速衍生变量；获取每台风力发电机组的与第一风速衍生变量对应的状态信息；所述状态信息用于表征每台风力发电机组是否发生故障；根据每台风力发电机组的第一风速衍生变量和状态信息，建立逻辑回归模型；基于建立的逻辑回归模型和待预测风力发电机组的第一风速衍生变量，预测待预测风力发电机组的故障概率。

【技术实现步骤摘要】
一种风力发电机组的故障预测方法及装置
本专利技术涉及风力发电
，尤其涉及一种风力发电机组的故障预测方法及装置。
技术介绍
随着对环境问题的关注和新能源技术的发展，风力发电越来越得到重视。风力发电是将风能转换成电能，其出力很大程度上受到风速的影响，风速的波动会导致风机出力的波动，进而影响电网，对于风电场而言，一个地区的风速是该地区风能资源状况的最主要的指标之一，直接关系到风电场的经济性和开发价值。目前，风速的表示方法通常有两种，第一种采用风速频率表示风速，多应用在风资源评估和风电场的设计中，即表征各风速区间内风速出现的频率，其计算公式为：其中，n为统计观测时段内风速序列个数，i为风速区间内风速序列个数。风速的第二种表示方法可以为通过威布尔分布函数模拟一个地区的风速，威布尔分布也是目前描述风速概率分布比较常用的模型，其表达式如下：其中，x是随机变量，λ为比例参数，k为形状参数，并且λ和k都大于0。现有的风速的表示方法存在如下问题：当采用风速频率表示风速时，仅可以表征各风速区间内风速出现的频率，不能综合反映风速在预定周期内的数值变化特征，并且通过风速频率表示风速的方式过于单一化；而通过威布尔分布虽然能够表现风速的概率分布特征，但是对于风速的表示仅通过概率密度分布进行分析，具有一定的局限性，无法衡量风速在预定周期内的分布情况和波动情况，进而也无法得知风速对风力发电机组的故障有何影响，因此，目前亟需一种能够反映风速在预定周期内的分布情况和波动情况的衡量指标。
技术实现思路
本专利技术提供了一种风力发电机组的故障预测方法及装置，可以根据生成的反应风速在预定周期内分布和波动情况的指标，建立风力发电机组故障与风速指标相关的预测模型，进行风力发电机组的故障预测。第一方面，本专利技术提供了一种风力发电机组的故障预测方法，所述方法包括：获取多台风力发电机组在预定周期内的历史风速数据；针对多台风力发电机组中的每台风力发电机组，基于每台风力发电机组的历史风速数据和设计参数计算极端阵风参量；利用所述极端阵风参量，建立极端阵风模型；根据所述每台风力发电机组的历史风速数据和所述极端阵风模型，生成所述每台风力发电机组在所述预定周期内的第一风速衍生变量；获取每台风力发电机组的与第一风速衍生变量对应的状态信息；所述状态信息用于表征所述每台风力发电机组是否发生故障；根据每台风力发电机组的第一风速衍生变量和状态信息，建立逻辑回归模型；基于建立的逻辑回归模型和待预测风力发电机组的第一风速衍生变量，预测所述待预测风力发电机组的故障概率。第二方面，本专利技术提供了一种风力发电机组的故障预测方法，所述方法包括：获取多台风力发电机组在预定周期内的历史风速数据；针对多台风力发电机组中的每台风力发电机组，基于每台风力发电机组的历史风速数据和设计参数计算极端阵风参量；利用所述极端阵风参量，建立极端阵风模型；根据所述每台风力发电机组的历史风速数据和所述极端阵风模型，生成所述每台风力发电机组在所述预定周期内的第一风速衍生变量；根据所述每台风力发电机组的历史风速数据计算每台风力发电机组在所述预定周期内的第二风速衍生变量；获取每台风力发电机组的与第一风速衍生变量和第二风速衍生变量对应的状态信息；所述状态信息用于表征所述每台风力发电机组是否发生故障；根据每台风力发电机组的第一风速衍生变量、第二风速衍生变量和状态信息，建立逻辑回归模型；基于建立的逻辑回归模型和待预测风力发电机组的第一风速衍生变量和第二风速衍生变量，预测所述待预测风力发电机组的故障概率。第三方面，本专利技术提供了一种风力发电机组的故障预测装置，所述装置包括：第一指标生成模块，用于获取多台风力发电机组在预定周期内的历史风速数据；针对多台风力发电机组中的每台风力发电机组，基于每台风力发电机组的历史风速数据和设计参数计算极端阵风参量；利用所述极端阵风参量，建立极端阵风模型；根据所述每台风力发电机组的历史风速数据和所述极端阵风模型，生成所述每台风力发电机组在所述预定周期内的第一风速衍生变量；第一状态信息获取模块，用于获取每台风力发电机组的与第一风速衍生变量对应的状态信息；所述状态信息用于表征所述每台风力发电机组是否发生故障；第一逻辑回归模型建立模块，用于根据每台风力发电机组的第一风速衍生变量和状态信息，建立逻辑回归模型；第四方面，本专利技术提供了一种风力发电机组的故障预测装置，所述装置包括：第二指标生成模块，用于获取多台风力发电机组在预定周期内的历史风速数据；针对多台风力发电机组中的每台风力发电机组，基于每台风力发电机组的历史风速数据和设计参数计算极端阵风参量；利用所述极端阵风参量，建立极端阵风模型；根据所述每台风力发电机组的历史风速数据和所述极端阵风模型，生成所述每台风力发电机组在所述预定周期内的第一风速衍生变量；第三指标生成模块，用于根据所述每台风力发电机组的历史风速数据计算每台风力发电机组在所述预定周期内的第二风速衍生变量；第二状态信息获取模块，用于获取每台风力发电机组的与第一风速衍生变量和第二风速衍生变量对应的状态信息；所述状态信息用于表征所述每台风力发电机组是否发生故障；第二逻辑回归模型建立模块，用于根据每台风力发电机组的第一风速衍生变量、第二风速衍生变量和状态信息，建立逻辑回归模型；第二预测模块，用于基于建立的逻辑回归模型和待预测风力发电机组的第一风速衍生变量和第二风速衍生变量，预测所述待预测风力发电机组的故障概率。第五方面，本专利技术提供了一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，当所述计算机程序指令被处理器执行时实现如第一方面或第二方面所述的风力发电机组的故障预测方法。第六方面，本专利技术提供了一种计算机装置，所述装置包括：至少一个处理器、至少一个存储器以及存储在所述存储器中的计算机程序指令，当所述计算机程序指令被所述处理器执行时实现如第一方面或如第二方面所述的风力发电机组的故障预测方法。根据本专利技术的风力发电机组的故障预测方法及装置，获取多台风力发电机组的第一风速衍生变量；获取多台风力发电机组中，与每台风力发电机组的第一风速衍生变量对应的状态信息；状态信息用于表征所述多台风力发电机组是否发生故障；根据每台风力发电机组的第一风速衍生变量和相应的风力发电机组的状态信息，建立逻辑回归模型；基于建立的逻辑回归模型和待预测风力发电机组的第一风速衍生变量，预测待预测风力发电机组的故障概率。本专利技术实施例提供的方法可以通过反映风速在预定周期内的分布情况和波动情况的风速的相关指标，预测风力发电机组的故障概率，更有效的反映了风速对于风力发电机组发生故障的影响。附图说明通过下面结合附图进行的详细描述，本专利技术的上述和其它目的、特点和优点将会变得更加清楚，其中：图1是本专利技术一实施例提供的风速指标的生成方法的流程图；...

【技术保护点】
1.一种风力发电机组的故障预测方法，其特征在于，所述方法包括：/n获取多台风力发电机组在预定周期内的历史风速数据；/n针对多台风力发电机组中的每台风力发电机组，基于每台风力发电机组的历史风速数据和设计参数计算极端阵风参量；/n利用所述极端阵风参量，建立极端阵风模型；/n根据所述每台风力发电机组的历史风速数据和所述极端阵风模型，生成所述每台风力发电机组在所述预定周期内的第一风速衍生变量；/n获取每台风力发电机组的与第一风速衍生变量对应的状态信息；所述状态信息用于表征所述每台风力发电机组是否发生故障；/n根据每台风力发电机组的第一风速衍生变量和状态信息，建立逻辑回归模型；/n基于建立的逻辑回归模型和待预测风力发电机组的第一风速衍生变量，预测所述待预测风力发电机组的故障概率。/n

【技术特征摘要】
1.一种风力发电机组的故障预测方法，其特征在于，所述方法包括：
获取多台风力发电机组在预定周期内的历史风速数据；
针对多台风力发电机组中的每台风力发电机组，基于每台风力发电机组的历史风速数据和设计参数计算极端阵风参量；
利用所述极端阵风参量，建立极端阵风模型；
根据所述每台风力发电机组的历史风速数据和所述极端阵风模型，生成所述每台风力发电机组在所述预定周期内的第一风速衍生变量；
获取每台风力发电机组的与第一风速衍生变量对应的状态信息；所述状态信息用于表征所述每台风力发电机组是否发生故障；
根据每台风力发电机组的第一风速衍生变量和状态信息，建立逻辑回归模型；
基于建立的逻辑回归模型和待预测风力发电机组的第一风速衍生变量，预测所述待预测风力发电机组的故障概率。


2.根据权利要求1所述的方法，其特征在于，所述根据每台风力发电机组的第一风速衍生变量和状态信息，建立逻辑回归模型的步骤包括：
将每台风力发电机组的第一风速衍生变量和状态信息进行拟合计算，得到所述逻辑回归模型的建模参数；
基于所述建模参数，建立第一风速衍生变量与风力发电机组的故障概率之间的对应关系，生成所述逻辑回归模型。


3.根据权利要求2所述的方法，其特征在于，所述基于建立的逻辑回归模型和待预测风力发电机组的第一风速衍生变量，预测所述待预测风力发电机组的故障概率的步骤包括：
获取待预测风力发电机组的第一风速衍生变量；
将所述待预测风力发电机组的第一风速衍生变量输入所述逻辑回归模型，根据建立的第一风速衍生变量与风力发电机组的故障概率之间的对应关系，得到所述待预测风力发电机组的故障概率。


4.一种风力发电机组的故障预测方法，其特征在于，所述方法包括：
获取多台风力发电机组在预定周期内的历史风速数据；
针对多台风力发电机组中的每台风力发电机组，基于每台风力发电机组的历史风速数据和设计参数计算极端阵风参量；
利用所述极端阵风参量，建立极端阵风模型；
根据所述每台风力发电机组的历史风速数据和所述极端阵风模型，生成所述每台风力发电机组在所述预定周期内的第一风速衍生变量；
根据所述每台风力发电机组的历史风速数据计算每台风力发电机组在所述预定周期内的第二风速衍生变量；
获取每台风力发电机组的与第一风速衍生变量和第二风速衍生变量对应的状态信息；所述状态信息用于表征所述每台风力发电机组是否发生故障；
根据每台风力发电机组的第一风速衍生变量、第二风速衍生变量和状态信息，建立逻辑回归模型；
基于建立的逻辑回归模型和待预测风力发电机组的第一风速衍生变量和第二风速衍生变量，预测所述待预测风力发电机组的故障概率。


5.根据权利要求4所述的方法，其特征在于，所述根据每台风力发电机组的第一风速衍生变量、第二风速衍生变量和状态信息，建立逻辑回归模型的步骤包括：
将每台风力发电机组的第一风速衍生变量、第二风速衍生变量以及状态信息进行拟合计算，得到所述逻辑回归模型的建模参数；
基于所述建模参数，建立以第一风速衍生变量和第二风速衍生变量为自变量，以风力发电机组的故障概率为因变量的对应关系，生成所述逻辑回归模型。


6.根据权利要求5所述的方法，其特征在于，所述基于建立的逻辑回归模型和待预测风力发电机组的第一风速衍生变量和第二风速衍生变量，预测所述待预测风力发电机组的故障概率的步骤包括：
获取待预测风力发电机组的第一风速衍生变量和第二风速衍生变量；
将所述待预测风力发电机组的第一风速衍生变量和第二风速衍生变量输入所述逻辑回归模型，根据建立的以第一风速衍生变量和第二风速衍生变量为自变量，以风力发电机组的故障概率为因变量的对应关系，得到所述待预测风力发电机组的故障概率。


7.一种风力发电机组的故障预测装置，其特征在于，所述装置包括：
第一指标生成模块，用于获取多台风...

【专利技术属性】
技术研发人员：王娣，田元兴，刘健，
申请(专利权)人：新疆金风科技股份有限公司，
类型：发明
国别省市：新疆;65