基于大数据的风电设备故障预测系统技术方案

本发明专利技术公开了基于大数据的风电设备故障预测系统，涉及风电设备技术领域，包括信息采集模块、设备监测模块、维修管理模块以及维修管理模块；信息采集模块用于采集风电设备在各种故障状态下的变桨电机或者水冷系统数据，获得样本数据；模型训练模块用于对样本数据进行优化训练，生成故障预测模型；设备监测模块用于监测风电设备的在线数据，并基于故障预测模型判断风电设备的运行状态，从而报警有利于尽早安排检修以及安排供电计划；维修管理模块用于对接收到的设备检修任务进行检修优化指数JY分析并分配至不同等级的维修人员，有效提高检修效率，实现人员分配利用最大化。实现人员分配利用最大化。实现人员分配利用最大化。

【技术实现步骤摘要】
基于大数据的风电设备故障预测系统


[0001]本专利技术涉及风电设备
，具体是基于大数据的风电设备故障预测系统。

技术介绍

[0002]风电设备是利用风能发电或者风力发电的设备，是风电产业的重要组成部分，也是风电产业发展的基础和保障；由于风电整机制造受关键零部件瓶颈制约较为严重，为了保证风电设备的高效运行，需要在风电设备正常运行时监测设备的运行状态，预测出未来某时刻设备可能发生故障的概率，以便告知工作人员尽早安排检修计划并排除设备的安全隐患，使得运维成本降低，运行效率提高，设备使用寿命延长，效益最大化；
[0003]传统风电机组故障与告警靠工作经验的积累诊断判断排查，设备检修优先级识别率低，往往浪费了故障处理的最有效时间，错过了设备检修的最佳时间，造成故障发生率高；同时每天上千条的重复无用的故障告警，导致真实的设备缺陷未能及时发现；没有针对性的检修计划编排、投入人力物力成本，造成资产浪费；基于以上不足，本专利技术提出基于大数据的风电设备故障预测系统。

技术实现思路

[0004]本专利技术旨在至少解决现有技术中存在的技术问题之一。为此，本专利技术提出基于大数据的风电设备故障预测系统。
[0005]为实现上述目的，根据本专利技术的第一方面的实施例提出基于大数据的风电设备故障预测系统，包括信息采集模块、控制中心、设备监测模块、维修管理模块以及设备追踪模块；
[0006]所述信息采集模块用于采集风电设备在各种故障状态下的变桨电机或者水冷系统数据，获得样本数据并将样本数据传输到模型训练模块；
[0007]所述模型训练模块用于对所述样本数据进行优化训练，训练基于机器学习方法，生成故障预测模型；所述设备监测模块用于监测风电设备的在线数据，并基于所述故障预测模型判断所述风电设备的运行状态；
[0008]所述控制中心接收到故障预警信号后生成设备检修任务至维修管理模块，同时控制对应风电设备进入待机模式；所述维修管理模块用于对接收到的设备检修任务进行检修优化指数JY分析，并根据检修优化指数JY将设备检修任务分配至不同等级的维修人员；
[0009]所述设备追踪模块用于追踪风电设备的发电作业信息并进行产能优化指数ML分析，并将风电设备的产能优化指数ML打上时间戳并存储至云平台；所述发电作业信息包括作业时长以及作业过程中的电能数据和功损数据；所述电能数据为风能发电或者风力发电的供电量；所述功损数据是作业过程中所产生的有功电能损失的简称。
[0010]进一步地，所述设备追踪模块的具体分析步骤为：
[0011]采集风电设备的发电作业信息，将作业时长、电能数据和功损数据依次标记为ZTi、ZEi以及ZSi；利用公式CNi＝(ZEi
×
g1)/(ZTi
×
g2+ZSi
×
g3)计算得到产能值CNi，其中
g1、g2、g3均为系数因子；
[0012]对产能值CNi进行等级评判得到评价信号，具体为：将产能值CNi与预设产能阈值相比较；预设产能阈值包括X1、X2；且X2＜X1；
[0013]当CNi≥X1时，此时评价信号为高产信号；当X2≤CNi＜X1时，此时评价信号为中产信号；当CNi＜X2时，此时评价信号为低产信号；
[0014]在预设时间段内，统计评价信号的总次数为C1；统计高产信号、中产信号和低产信号各自相较于评价信号次数的占比并依次标记为Zb1、Zb2、Zb3；利用公式ML＝＝f
×
C1
×
(Zb1
×
3+Zb2
×
2)/(Zb3
×
g4)计算得到所述风电设备的产能优化指数ML，其中g4为系数因子，f为预设补偿因子。
[0015]进一步地，所述维修管理模块的具体分析步骤为：
[0016]获取设备检修任务对应的风电设备并标记为故障设备；将所述故障设备的运行年限标记为N1；自动从云平台中调取所述故障设备的产能优化指数ML；在预设时间段内，统计所述故障设备的检修次数为P1；
[0017]利用公式JY＝N1
×
b1+ML
×
b2+P1
×
b3计算得到所述设备检修任务的检修优化指数JY，其中b1、b2、b3均为系数因子。
[0018]进一步地，根据检修优化指数JY将设备检修任务分配至不同等级的维修人员，具体包括：
[0019]将检修优化指数JY与预设检修阈值相比较；所述预设检修阈值包括L1、L2，且L1＞L2；若JY＞L1，则将所述设备检修任务分配至第一等级维修人员；若L2＜JY≤L1，则将所述设备检修任务分配至第二等级维修人员；若JY≤L2，则将所述设备检修任务分配至第三等级维修人员；其中第一等级＞第二等级＞第三等级。
[0020]进一步地，所述设备监测模块的具体工作步骤为：
[0021]获取风电设备的在线数据作为所述故障预测模型的输入数据；在线数据为变桨电机或者水冷系统数据；
[0022]对比故障预测模型输出的预测值与在线数据并加权计算残差CL；
[0023]针对不同故障类型分别设定故障阈值CT；判断同一故障类型的故障阈值CT是否小于残差CL；若是，则发出故障预警信号，若否，则返回进行数据监测；所述设备监测模块用于将故障预警信号上传至控制中心。
[0024]进一步地，所述模型训练模块的具体训练步骤为：
[0025]对所述样本数据进行参数优化；建立误差逆向传播神经网络模型；误差逆向传播神经网络模型至少包括一层隐含层；
[0026]将优化后的样本集按照设定比例划分为训练集、测试集和校验集；
[0027]通过训练集、测试集和校验集对误差逆向传播神经网络进行训练、测试和校验，将完成训练的误差逆向传播神经网络标记为故障预测模型。
[0028]进一步地，所述参数优化包括依次进行epoch优化、batch size优化与神经元个数优化。
[0029]与现有技术相比，本专利技术的有益效果是：
[0030]1、本专利技术中所述信息采集模块用于采集风电设备在各种故障状态下的变桨电机或者水冷系统数据，获得样本数据；所述模型训练模块用于对所述样本数据进行优化训练，
训练基于机器学习方法，生成故障预测模型；所述设备监测模块用于监测风电设备的在线数据，并基于所述故障预测模型判断所述风电设备的运行状态，从而报警有利于尽早安排检修以及安排供电计划，避免故障的发生；
[0031]2、本专利技术中所述设备追踪模块用于追踪风电设备的发电作业信息并进行产能优化指数ML分析；所述控制中心接收到故障预警信号后生成设备检修任务至维修管理模块，同时控制对应风电设备进入待机模式，方便维修人员进行检修；所述维修管理模块用于对接收到的设备检修任务进行检修优化指数JY分析，并根据检修优化指数JY将设备检修任务分配至不同等级的维修人员，有效提高检修效率，实现人员分配利用最大化。
附图说明
[0032]为了更清本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于大数据的风电设备故障预测系统，其特征在于，包括信息采集模块、控制中心、设备监测模块、维修管理模块以及设备追踪模块；所述信息采集模块用于采集风电设备在各种故障状态下的变桨电机或者水冷系统数据，获得样本数据并将样本数据传输到模型训练模块；所述模型训练模块用于对所述样本数据进行优化训练，训练基于机器学习方法，生成故障预测模型；所述设备监测模块用于监测风电设备的在线数据，并基于所述故障预测模型判断所述风电设备的运行状态；所述控制中心接收到故障预警信号后生成设备检修任务至维修管理模块，同时控制对应风电设备进入待机模式；所述维修管理模块用于对接收到的设备检修任务进行检修优化指数JY分析，并根据检修优化指数JY将设备检修任务分配至不同等级的维修人员；所述设备追踪模块用于追踪风电设备的发电作业信息并进行产能优化指数ML分析，并将风电设备的产能优化指数ML打上时间戳并存储至云平台；所述发电作业信息包括作业时长以及作业过程中的电能数据和功损数据；所述电能数据为风能发电或者风力发电的供电量；所述功损数据是作业过程中所产生的有功电能损失的简称。2.根据权利要求1所述的基于大数据的风电设备故障预测系统，其特征在于，所述设备追踪模块的具体分析步骤为：采集风电设备的发电作业信息，将作业时长、电能数据和功损数据依次标记为ZTi、ZEi以及ZSi；利用公式CNi＝(ZEi
×
g1)/(ZTi
×
g2+ZSi
×
g3)计算得到产能值CNi，其中g1、g2、g3均为系数因子；对产能值CNi进行等级评判得到评价信号，具体为：将产能值CNi与预设产能阈值相比较；预设产能阈值包括X1、X2；且X2＜X1；当CNi≥X1时，此时评价信号为高产信号；当X2≤CNi＜X1时，此时评价信号为中产信号；当CNi＜X2时，此时评价信号为低产信号；在预设时间段内，统计评价信号的总次数为C1；统计高产信号、中产信号和低产信号各自相较于评价信号次数的占比并依次标记为Zb1、Zb2、Zb3；利用公式ML＝＝f
×
C1
×
(Zb1
×
3+Zb2
×
2)/(Zb3
×
g4)计算得到所述风电设备的产能优化指数ML...

【专利技术属性】
技术研发人员：孔小强，徐俊山，王海青，宋磊，吕太轩，马廷，姬廷，董临治，徐生明，常河，王璐，周超，
申请(专利权)人：榆林市高新区鑫辉新能源有限公司，
类型：发明
国别省市：