一种基于大数据的风电机组故障监测预警方法及系统技术方案

本发明专利技术提供了一种基于大数据的风电机组故障监测预警方法及系统，涉及数据智能处理技术领域，基于故障记录信息构建故障知识图谱，进行各故障的关联影响数据分析确定故障影响因子，进而对大数据平台进行数据类型标识，构建多个故障预警模型，生成故障预警树，对故障影响因子标识数据进行各故障分析预警，输出故障预警信息，解决了现有技术中进行风电机组的故障检测预警时，对于故障数据的处理方式不够智能化，使得故障预警结果完备性不足，无法基于机组运行时各构件的关联影响进行全面预警的技术问题，通过构建故障知识谱图与故障预警树，对输入的故障数据基于关联关系进行整体评估，确定故障事故与影响事故，实现风电机组的智能化运行管理。智能化运行管理。智能化运行管理。

【技术实现步骤摘要】
一种基于大数据的风电机组故障监测预警方法及系统


[0001]本专利技术涉及数据智能处理
，具体涉及一种基于大数据的风电机组故障监测预警方法及系统。

技术介绍

[0002]风力发电作为新能源领域的主要供能方式，应用越来越广泛，由于风力发电的运行环境较为恶劣，且风电发电工况较为复杂多变，随着风电机组的运行不可避免的会存在机组故障，为保障风电机组的正常稳定运行，需对其进行故障监测，基于监测数据对机组进行运维管理，现如今，主要通过风电机组的运行状态进行传统运行参数确定，进行参数评估确定异常运行机组构建，对其进行维修以避免机组异常运行，造成运行效率低下且存在潜在性安全隐患。
[0003]现有技术中，进行风电机组的故障检测预警时，对于故障数据的处理方式不够智能化，使得故障预警结果完备性不足，无法基于机组运行时各构件的关联影响进行全面预警。

技术实现思路

[0004]本申请提供了一种基于大数据的风电机组故障监测预警方法及系统，用于针对解决现有技术中存在的进行风电机组的故障检测预警时，对于故障数据的处理方式不够智能化，使得故障预警结果完备性不足，无法基于机组运行时各构件的关联影响进行全面预警的技术问题。
[0005]鉴于上述问题，本申请提供了一种基于大数据的风电机组故障监测预警方法及系统。
[0006]第一方面，本申请提供了一种基于大数据的风电机组故障监测预警方法，所述方法包括：
[0007]从大数据平台获取风电机组数据库，其中所述风电机组数据库包括机组监测数据、故障记录信息；<br/>[0008]基于所述故障记录信息，构建故障知识图谱；
[0009]根据所述故障知识图谱中各故障的关联影响数据进行分析，确定故障影响因子；
[0010]根据所述故障影响因子，对大数据平台进行数据类型标识，基于数据类型标识进行数据自动获取；
[0011]根据所述故障知识图谱、所述机组监测数据，进行各故障预警模型确定，构建故障预警树；
[0012]将从所述大数据平台获取的故障影响因子标识数据输入故障预警树中，进行各故障分析预警，输出故障预警信息。
[0013]第二方面，本申请提供了一种基于大数据的风电机组故障监测预警系统，所述系统包括：
[0014]信息获取模块，所述信息获取模块用于从大数据平台获取风电机组数据库，其中所述风电机组数据库包括机组监测数据、故障记录信息；
[0015]图谱构建模块，所述图谱构建模块用于基于所述故障记录信息，构建故障知识图谱；
[0016]影响因子确定模块，所述影响因子确定模块用于根据所述故障知识图谱中各故障的关联影响数据进行分析，确定故障影响因子；
[0017]数据标识模块，所述数据标识模块用于根据所述故障影响因子，对大数据平台进行数据类型标识，基于数据类型标识进行数据自动获取；
[0018]预警树构建模块，所述预警树构建模块用于根据所述故障知识图谱、所述机组监测数据，进行各故障预警模型确定，构建故障预警树；
[0019]故障预警模块，所述故障预警模块用于将从所述大数据平台获取的故障影响因子标识数据输入故障预警树中，进行各故障分析预警，输出故障预警信息。
[0020]本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：
[0021]本申请实施例提供的一种基于大数据的风电机组故障监测预警方法，从大数据平台获取风电机组数据库，包括机组监测数据、故障记录信息，基于所述故障记录信息构建故障知识图谱，进行各故障的关联影响数据分析确定故障影响因子，进而对大数据平台进行数据类型标识，基于数据类型标识进行数据自动获取，根据所述故障知识图谱、所述机组监测数据，进行各故障预警模型确定，构建故障预警树，将从所述大数据平台获取的故障影响因子标识数据输入故障预警树中，进行各故障分析预警，输出故障预警信息，解决了现有技术中存在的进行风电机组的故障检测预警时，对于故障数据的处理方式不够智能化，使得故障预警结果完备性不足，无法基于机组运行时各构件的关联影响进行全面预警的技术问题，通过构建故障知识谱图与故障预警树，对输入的故障数据基于关联关系进行整体评估，确定故障事故与影响事故，实现风电机组的智能化运行管理。
附图说明
[0022]图1为本申请提供了一种基于大数据的风电机组故障监测预警方法流程示意图；
[0023]图2为本申请提供了一种基于大数据的风电机组故障监测预警方法中故障知识图谱构建流程示意图；
[0024]图3为本申请提供了一种基于大数据的风电机组故障监测预警方法中故障预警信息获取流程示意图；
[0025]图4为本申请提供了一种基于大数据的风电机组故障监测预警系统结构示意图。
[0026]附图标记说明：信息获取模块11，图谱构建模块12，影响因子确定模块13，数据标识模块14，预警树构建模块15，故障预警模块16。
具体实施方式
[0027]本申请通过提供一种基于大数据的风电机组故障监测预警方法及系统，基于故障记录信息构建故障知识图谱，进行各故障的关联影响数据分析确定故障影响因子，进而对大数据平台进行数据类型标识，构建多个故障预警模型，生成故障预警树，对故障影响因子标识数据进行各故障分析预警，输出故障预警信息，用于解决现有技术中存在的进行风电
机组的故障检测预警时，对于故障数据的处理方式不够智能化，使得故障预警结果完备性不足，无法基于机组运行时各构件的关联影响进行全面预警的技术问题。
[0028]实施例一
[0029]如图1所示，本申请提供了一种基于大数据的风电机组故障监测预警方法，所述方法包括：
[0030]步骤S100：从大数据平台获取风电机组数据库，其中所述风电机组数据库包括机组监测数据、故障记录信息；
[0031]具体而言，风力发电作为新能源领域的主要供能方式，应用越来越广泛，由于风力发电的运行环境较为恶劣，且风电发电工况较为复杂多变，随着风电机组的运行不可避免的会存在机组故障，为保障风电机组的正常稳定运行，本申请提供了一种基于大数据的风电机组故障监测预警方法，通过构建故障知识图谱，分别对各个节点匹配故障预警模型，进行多层级故障监测预警，首先，设定预定时间区间，即进行数据采集的时间段，基于所述预定时间区间，根据所述大数据平台进行风电机组运行数据调取，确定所述机组监测数据与所述故障记录数据，其中，所述机组监测数据与所述故障记录数据一一对应，基于时间序列对所述机组监测数据与所述故障记录数据进行对应标识，生成所述风电机组数据库，所述风电机组数据库涵盖了可能存在的多种故障数据，所述风电机组数据库的获取为进行运行故障分析提供了基本依据。
[0032]步骤S200：基于所述故障记录信息，构建故障知识图谱；
[0033]步骤S300：根据所述故障知识图谱中各故障的关联影响数据进行分析，确定故障影响因子；
[0034]步骤S400：根据所述故障影响因子，对大数据平台进行数据类型标识，基于数据类型标识进行数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据的风电机组故障监测预警方法，其特征在于，所述方法包括：从大数据平台获取风电机组数据库，其中所述风电机组数据库包括机组监测数据、故障记录信息；基于所述故障记录信息，构建故障知识图谱；根据所述故障知识图谱中各故障的关联影响数据进行分析，确定故障影响因子；根据所述故障影响因子，对大数据平台进行数据类型标识，基于数据类型标识进行数据自动获取；根据所述故障知识图谱、所述机组监测数据，进行各故障预警模型确定，构建故障预警树；将从所述大数据平台获取的故障影响因子标识数据输入故障预警树中，进行各故障分析预警，输出故障预警信息。2.如权利要求1所述的方法，其特征在于，基于所述故障记录信息，构建故障知识图谱，包括：根据所述故障记录信息，进行故障元件分析，确定故障元件类型信息；基于所述故障元件类型信息，根据所述故障记录信息，进行故障风险程度分析，确定故障风险度；根据所述故障风险度，对所述故障元件类型信息进行分类，确定故障风险度分类信息；根据所述故障风险度分类信息，获得各故障的图谱位置等级；基于各故障的图谱位置等级，对各故障的影响数据进行分析提取，确定各故障影响信息；基于所述各故障影响信息将各故障的图谱位置等级中的关联故障进行连接，构建所述故障知识图谱。3.如权利要求2所述的方法，其特征在于，所述方法还包括：根据所述故障记录信息，对各故障进行趋势周期分析，确定各故障类型趋势周期信息；根据所述各故障类型趋势周期信息，确定各周期风险度；基于所述各周期风险度，建立周期风险图谱位置；将所述周期风险图谱位置嵌入至所述各故障的图谱位置等级中。4.如权利要求1所述的方法，其特征在于，根据所述故障知识图谱、所述机组监测数据，进行各故障预警模型确定，包括：根据所述故障知识图谱，提取预设风险度的故障信息，所述预设风险度的故障信息包括多个风电机组故障；依次将多个风电机组故障作为顶上事件，分析故障因子；基于故障因子、所述机组监测数据，对故障对应类型进行事故最小分割，确定最小分割集；根据所述最小分割集与风电机组故障的关联关系，确定故障预警结果。5.如权利要求4所述的方法，其特征在于...

【专利技术属性】
技术研发人员：刘明哲，邱文举，柴兆瑞，王瑜，兰金江，苏正雄，毛振攀，梁欣，
申请(专利权)人：中国三峡新能源集团股份有限公司，
类型：发明
国别省市：