数据驱动的风机故障诊断及预测方法、系统、设备及介质技术方案

本发明专利技术公开了一种数据驱动的风机故障诊断及预测方法、系统、设备及介质，包括：获取基准序列及待测序列；基于基准序列计算待测序列的故障度量序列；对待测序列的故障度量序列进行两次聚类，并根据聚类结果得到风机的故障类型；计算所述故障度量序列的统计特征值序列；将所述统计特征值序列输入到预训练后的TCN网络中，得到风机在下一个时段的运行状态，该方法、系统、设备及介质具有准确性高及实时性较好的特点。好的特点。好的特点。

【技术实现步骤摘要】
数据驱动的风机故障诊断及预测方法、系统、设备及介质


[0001]本专利技术属于风力发电机故障诊断和预测领域，涉及一种数据驱动的风机故障诊断及预测方法、系统、设备及介质。

技术介绍

[0002]现有的风力发电机故障诊断和预测手段大致可分为基于模型的分析方法和数据驱动的分析方法两类。基于模型的分析方法关键在于对风机系统的准确建模，随着风机系统的规模和复杂性不断提高，建模难度陡增，模型诊断和预测的效果日趋瓶颈。数据驱动的分析方法关键在于故障特征的提取。对于同一组数据，设定不同的故障特征提取算法，得到的结论可能相去甚远。目前，风力发电机组中SCADA系统的大规模应用使得大型风机场中各种状态量的实时监测成为可能。海量数据将在没有风机详细机理模型的情况下通过数据驱动的方式判断风机整体或局部的故障。
[0003]已有的数据驱动诊断和预测手段中，均不得不在准确性和实时性中有所取舍。采用准确性表现优异的算法往往具有较高的时间复杂度，而计算实时性良好的算法往往难以实现令人满意的准确度。

技术实现思路

[0004]本专利技术的目的在于克服上述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据驱动的风机故障诊断及预测方法，其特征在于，包括：获取基准序列及待测序列；基于基准序列计算待测序列的故障度量序列；对待测序列的故障度量序列进行两次聚类，并根据聚类结果得到风机的故障类型；计算所述故障度量序列的统计特征值序列；将所述统计特征值序列输入到预训练后的TCN网络中，得到风机在下一个时段的运行状态。2.根据权利要求1所述的数据驱动的风机故障诊断及预测方法，其特征在于，所述基于基准序列计算待测序列的故障度量序列的具体过程为：计算待测序列上每一对长度为m的时间切片子序列与基准序列之间的皮尔逊相关系数Pcc，选取皮尔逊相关系数Pcc最大时对应的待测序列中的时间切片子序列，并将该时间切片子序列作为待测序列的故障度量序列。3.根据权利要求1所述的数据驱动的风机故障诊断及预测方法，其特征在于，对于序列M
R
＝[r1,r2,
…
,r
m
]及序列M
x
＝[x1,x2,
…
,x
m
]，两者的皮尔逊相关系数Pcc(M
R
,M
X
,m)为：4.根据权利要求1所述的数据驱动的风机故障诊断及预测方法，其特征在于，当待测序列的长度为l，则故障度量序列的长度为l

【专利技术属性】
技术研发人员：陈欣，刘凯腾，顾颐，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：