风机变桨系统的故障预警方法、系统、设备及存储介质技术方案

本发明专利技术公开了一种风机变桨系统的故障预警方法、装置、终端设备以及计算机存储介质。该方法包括：获取当前待预警的变频器的实时运行参数，并确定变频器所属风机变桨系统的工作环境；根据工作环境从预设的各故障预警模型当中，调用工作环境对应的目标故障预警模型，其中，各故障预警模型分别基于对应工作环境中各所述风机变桨系统的特征参数进行联邦学习训练得到；将实时运行参数整理为目标故障预警模型的模型输入，并获取目标故障预警模型基于实时运行参数进行计算后输出的变频器在工作环境中的故障预测结果；按照故障预测结果针对变频器进行故障预警。本发明专利技术能够有效地的提升对变桨系统的变频器进行故障预警的准确性。变桨系统的变频器进行故障预警的准确性。变桨系统的变频器进行故障预警的准确性。

【技术实现步骤摘要】
风机变桨系统的故障预警方法、系统、设备及存储介质


[0001]本专利技术涉及风力电机
，尤其涉及一种风机变桨系统的故障预警方法、系统、终端设备以及计算机存储介质。

技术介绍

[0002]在风电机组中，变桨系统是十分重要和关键的组成部件，但是，由于风电机组长期处于复杂的工作环境，导致变桨系统故障成为风电机组故障中最常见的故障之一，而变桨系统一旦发生故障则会导致风机整体停机，严重影响发电量，同时，风机其它设备也会受到不同程度的损伤，而在变桨系统中最容易发生的故障是变桨系统变频器故障。
[0003]尽管现有技术中已经存在较多针对该变桨系统变频器进行故障预警的方案，例如仅基于来GBDT(Gradient Boosting Decision Tree，一种迭代的决策树算法，也称作MART，即Multiple Additive Regression Tree)和XGBoost(eXtreme Gradient Boosting，全名叫极端梯度提升)等提升算法进行的故障预测方案，但是，现有各种方案不仅需要采集大量的样本数据进行算法的提升训练过程本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种风机变桨系统的故障预警方法，其特征在于，所述风机变桨系统的故障预警方法应用于针对风机变桨系统的变频器进行故障预警，所述故障预警方法包括以下步骤：获取当前待预警的变频器的实时运行参数，并确定所述变频器所属风机变桨系统的工作环境；根据所述工作环境从预设的各故障预警模型当中，调用所述工作环境对应的目标故障预警模型，其中，各所述故障预警模型分别基于对应工作环境中各所述风机变桨系统的特征参数进行联邦学习训练得到；将所述实时运行参数整理为所述目标故障预警模型的模型输入，并获取所述目标故障预警模型基于所述实时运行参数进行计算后输出的所述变频器在所述工作环境中的故障预测结果；按照所述故障预测结果针对所述变频器进行故障预警。2.如权利要求1所述的故障预警方法，其特征在于，所述故障预警方法还包括：根据各所述风机变桨系统在对应工作环境中的特征参数进行联邦学习训练得到各故障预警模型，并将各所述故障预警模型与各所述风机变桨系统在对应的工作环境进行关联存储。3.如权利要求2所述的故障预警方法，其特征在于，所述根据各所述风机变桨系统在对应工作环境中的特征参数进行联邦学习训练得到各故障预警模型的步骤，包括：S1：从预设的分布式文件系统中提取各所述风机变桨系统在对应工作环境中的特征参数，其中，所述特征参数与所述风机变桨系统的所述变频器相关联；S2：按照所述工作环境针对所述特征参数进行分类，并使用分类后的特征参数分别训练各初始机器学习模型得到模型参数；S3：整合所述模型参数形成待确认的故障预警模型；S4：通过预设的测试样本数据验证所述待确认的故障预警模型是否符合故障预测条件，其中，所述故障预测条件为：所述待确认的故障预警模型基于所述测试样本数据的故障预测准确率达到预设阈值；S5：若是，则根据所述工作环境针对所述待确认的故障预警模型进行调优处理得到各所述工作环境各自对应的故障预警模型。4.如权利要求3所述的故障预警方法，其特征在于，在所述通过预设的测试样本数据验证所述待确认的故障预警模型是否符合故障预测条件的步骤之后，还包括：S6：若否，则将所述待确认的故障预警模型作为新的初始机器学习模型，并依次执行所述步骤S2、S3和S4，直至验证到所述待确认的故障预警模型符合所述故障预测条件。5.如权利要求1至4任一项所述的故障预警方法，其特征在于，所述故障预警方法还包括：采集各所述风机变桨系统在...

【专利技术属性】
技术研发人员：朱帮德，崇利锋，潘辉，贾耀武，白会文，王海明，康海锋，王荣怀，魏超，邓屹，马致远，曹梦楠，
申请(专利权)人：深圳量云能源网络科技有限公司上海能源科技发展有限公司，
类型：发明
国别省市：