一种风电站维护方法、平台和电子设备技术

本发明专利技术公开了一种风电站维护方法、平台和电子设备，其中方法包括：获取风电站训练数据，风电站训练数据包括真实监测数据和仿真数据；基于风电站训练数据训练故障诊断模型和状态评估模型；通过多种预设工况下的真实监测数据二次仿真出机理仿真分析数据，并将机理仿真分析数据分别输入故障诊断模型和状态评估模型，得到故障诊断模型和状态评估模型分别输出的故障结果和状态等级；基于机理仿真分析数据计算各个预设工况下的评估参数，并将各个预设工况对应的评估参数、故障结果和状态等级进行标定，评估参数用于反演故障原因；基于标定结果对风电站进行预测维护。本发明专利技术提供的技术方案，实现了风电站全运行周期的针对性维护。实现了风电站全运行周期的针对性维护。实现了风电站全运行周期的针对性维护。

【技术实现步骤摘要】
一种风电站维护方法、平台和电子设备


[0001]本专利技术涉及风力发电
，具体涉及一种风电站维护方法、平台和电子设备。

技术介绍

[0002]目前，风电朝着大型化、规模化、智能化的方向发展，风电发展日新月异，风机的大型化、深水远案布局以及漂浮式风电机组的运用，风电场布局和发展需要智能高效运维的支持。风电全运行周期运维旨在促进项目全生命周期内运维成本的降低和发电效率的提升，最终实现风电场运营效益的提高。
[0003]目前行业风机运维模式大部分还采用定期人工检查的方式，这使得风机故障很难准时发现。小部分风电站已经开始采用智能运维的模式，如专利文件CN109209782A公开了一种风电场智能化运维方法，该方法首先接收风电机组的油液在线监测数据、振动在线监测数据、风电场SCADA系统数据、风电场试验计划数据以及风电场巡检计划数据；然后根据油液在线监测数据、振动在线监测数据、风电场SCADA系统数据、风电场试验计划数据以及风电场巡检计划数据，创建风电场运维任务；之后根据风电场运维任务及风电场综合情况信息进行任务分配，以确定进行各项风电场运维本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种风电站维护方法，其特征在于，所述方法包括：获取风电站训练数据，所述风电站训练数据包括真实监测数据和仿真数据；基于风电站训练数据训练故障诊断模型和状态评估模型，所述故障诊断模型用于识别风电站机组的故障情况，所述状态评估模型用于识别风电站机组的运行状态所处的状态等级；通过多种预设工况下的真实监测数据二次仿真出机理仿真分析数据，并将所述机理仿真分析数据分别输入所述故障诊断模型和所述状态评估模型，得到所述故障诊断模型和所述状态评估模型分别输出的故障结果和状态等级；基于所述机理仿真分析数据计算各个预设工况下的评估参数，并将各个预设工况对应的评估参数、故障结果和状态等级进行标定，所述评估参数用于反演故障原因；基于标定结果对风电站进行预测维护。2.根据权利要求1所述的方法，其特征在于，所述获取风电站训练数据，包括：采集风电站的真实CMS振动数据和真实SCADA电气数据；扫描构建风电站机组部件的3D结构，并为所述3D结构设置相应的材料参数；将热流仿真条件和机械场仿真条件输入所述3D结构，进行热流和机械场仿真，得到仿真CMS振动数据和仿真SCADA电气数据；对所述真实CMS振动数据、真实SCADA电气数据、仿真CMS振动数据和仿真SCADA电气数据进行清洗与归一化处理，并组合得到所述风电站训练数据。3.根据权利要求2所述的方法，其特征在于，所述通过多种预设工况下的真实监测数据二次仿真出机理仿真分析数据，包括：将稳态、暂态和故障工况的流体、电磁、机械和振动真实监测数据，作为边界条件输入所述3D结构进行仿真，得到所述机理仿真分析数据。4.根据权利要求1所述的方法，其特征在于，基于风电站训练数据训练故障诊断模型，包括：基于指数加权移动平均值算法对所述风电站训练数据进行平滑；计算平滑后的风电站训练数据与平滑前的风电站训练数据的差值，得到差值数据；基于指数加权移动平均值算法对所述差值数据进行平滑，并判断平滑后的差值数据是否满足预设平滑条件；若所述平滑后的差值数据满足预设平滑条件，则基于所述平滑后的差值数据和标注的故障标签训练生成所述故障诊断模型。5.根据权利要求4所述的方法，其特征在于，所述方法还包括：若所述平滑后的差值数据不满足预设平滑条件，则将所述平滑后的差值数据作为...

【专利技术属性】
技术研发人员：苏营，王乾，刘杰，吴海飞，王罗，
申请(专利权)人：中国长江三峡集团有限公司，
类型：发明
国别省市：