设备运行状态预警方法、计算机设备及存储介质技术

本申请涉及一种设备运行状态预警方法、计算机设备及存储介质，其方法包括实时获取目标设备的振动响应数据，对所述振动响应数据预处理后，得到振动特征数据；基于实时得到的振动特征数据构建样本集，对所述样本集统计分析，并计算得到T2控制图的控制线；根据所述振动特征数据和预设的预测模型，预测在预设未来期间内的目标特征数据；基于T2控制图的控制线绘制实时T2控制图，根据所述实时T2控制图，判断预测的目标特征数据是否异常，若是，则触发警报以通知用户。本申请能够提高对目标设备的监测效率和准确性。效率和准确性。效率和准确性。

【技术实现步骤摘要】
设备运行状态预警方法、计算机设备及存储介质


[0001]本申请涉及设备监测
，尤其是涉及一种设备运行状态预警方法、计算机设备及存储介质。

技术介绍

[0002]近年来，随着科学技术的进步和大众对环保意识的提升，人们逐渐开始从火力发电转向为风力发电。为了提高生产效率，风力发电设备需不断提高效益，这便使得风力发电设备的结构日趋复杂。在工作过程中风力发电设备会经历正常
‑
退化
‑
最终失效三个阶段，其可用性、安全性和可靠性在不同程度上影响着风力发电设备的发电效率。因此，对风力发电设备的运行状态进行实时监测和故障报警，对于国家降低维护成本和生产损失、提高生产效益具有重要意义。由于风电场多建于远离城市的偏远地区或近海区域，交通不便，再加上风力发电机组又处于高空，对其维护显得更加困难，常规人工巡检方式存在检测成本高，检测故障不及时，漏检故障比例高等问题。

技术实现思路

[0003]有鉴于此，本申请提供一种设备运行状态预警方法、计算机设备及存储介质，用以解决现有风力发电设备故障监测不及时的技术问题。...

【技术保护点】

【技术特征摘要】
1.一种设备运行状态预警方法，其特征在于，所述方法包括：实时获取目标设备的振动响应数据，对所述振动响应数据预处理后，得到振动特征数据；基于实时得到的振动特征数据构建样本集，对所述样本集统计分析，并计算得到T2控制图的控制线；根据所述振动特征数据和预设的预测模型，预测在预设未来期间内的目标特征数据；基于T2控制图的控制线绘制实时T2控制图，根据所述实时T2控制图，判断预测的目标特征数据是否异常，若是，则触发警报以通知用户。2.根据权利要求1所述的设备运行状态预警方法，其特征在于，所述振动特征数据以目标设备的物理结构参数表征；所述样本集包括若干批样本数据，每批样本数据包括若干样本子集，每个样本子集包括若干个变量，每个变量表示目标设备对应监测位置的振动特征数据；则对所述样本集统计分析，并计算得到T2控制图的控制线，包括：基于所述样本集，统计第k批样本数据中第j个变量的均值和样本方差，并统计第k个样本集中第j个变量和第h个变量之间的协方差，其中，k＝1,2,...,m，m表示所述若干批样本数据的批次数，j＝1,2,...,p，j≠h，p表示每个样本子集中多元变量的个数；对每个变量在若干批样本数据中的均值、样本方差、协方差分别求平均，以获取每个变量的平均特征数据，并计算每批样本数据的T2统计量；根据每批样本数据的T2统计量在χ2卡方分布模型上的分布规律，确定T2控制图的控制线。3.根据权利要求2所述的设备运行状态预警方法，其特征在于，所述计算每批样本数据的T2统计量，具体如下：统计量，具体如下：统计量，具体如下：统计量，具体如下：统计量，具体如下：
式中，n表示每批样本数据包含的样本子集个数；是一个p
×
1的向量，表示每批样本数据中每个变量在对应所有样本子集中的均值；p表示每个样本子集中多元变量的个数；的向量元素为表示第j个变量的均值在所有若干批样本数据中的平均值；S表示样本协方差矩阵的p
×
p个均值，表示S样本协方差矩阵的对角元素，表示S样本协方差矩阵的非对角元素。4.根据权利要求2所述的设备运行状态预警方法，其特征在于，所述T2控制图的控制线包括上控制线和下控制线；根据每批样本数据的T2统计量在χ2卡方分布模型上的分布规律，确定T2控制图的上控制线对应的阈值：LCL＝0式中，UCL表示T2控制图的上控制线对应的阈值，β表示分布自由度，α表示分位数；LCL表示T2控制图的下控制线对应的阈值。5.根据权利要求2所述的设备运行状态预警方法，其特征在于，在根据所述振动特征数据和预设的预测模型，预测在预设未来期间内的目标特征数据中，所述预测模型包括一次指数平滑模型、二次指数平滑模型。6.根据权利要求2所述的设备运行状态预警方法，其特征在于，根据所述振动特征数据和预设的预测模型，预测在预设未来期间内的目标特征数据，包括：根据时间序列中第t
‑
1期的实际振动特征数据，基于一次指数平滑算法，...

【专利技术属性】
技术研发人员：吴姝，段续，蔡琴，唐镭，叶开，
申请(专利权)人：武汉理工大学，
类型：发明
国别省市：