风电机组部件温度异常预警方法、系统、设备及存储介质技术方案

本公开的实施例提供一种风电机组部件温度异常预警方法、系统、设备及存储介质。方法包括：获取风电机组SCADA实时运行数据，包括部件温度真实值和针对部件温度的关联监测数据；将所述关联监测数据输入正常温度预测模型，输出得到部件正常温度预测值；计算所述部件正常温度预测值与所述部件温度真实值的残差；比较所述残差与自适应动态残差阈值，根据比较结果判断是否发出部件温度异常预警。本公开的实施例利用XGBoost建立正常温度预测模型，通过综合考虑多个运行参数与部件温度之间的关联关系，实现了部件温度的多维度分析和预警；基于自适应的动态阈值设置，避免了残差极值引起的误报，并可以实现对风机故障的早期预警。

【技术实现步骤摘要】

本公开的实施例属于风电机组部件温度异常预警，具体涉及一种风电机组部件温度异常预警方法、系统、设备及存储介质。

技术介绍

1、风力发电机组作为可再生能源核心设备，其运行可靠性直接影响发电效率与运维成本。传统维护策略依赖定期检修与事后维护，存在停机时间长、成本高等问题。现有故障诊断方法及其缺

2、陷主要包括：

3、1、基于振动信号的分析方法，需要高精度传感器，硬件成本高且仅适用于局部部件；

4、2、基于固定阈值的预警方法，易受环境波动影响，误报率高，且预警时效性不足；

5、3、传统机器学习模型，例如svm(support vector machine，支持向量机)，在处理大规模数据时效率低，对缺失值敏感，难以适应长期数据积累。

6、上述方法无法有效利用scada(supervisory control anddata acquisition，监视控制与数据采集)系统数据中的多变量时序特征，且固定阈值设定难以应对复杂工况下的残差异常波动。

技术实现思路b>

1本文档来自技高网...

【技术保护点】

1.一种风电机组部件温度异常预警方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述正常温度预测模型通过如下步骤预先建立：

3.根据权利要求2所述的方法，其特征在于，所述利用所述数据集训练XGBoost回归模型，包括：

4.根据权利要求2所述的方法，其特征在于，所述基于皮尔逊相关系数从所述历史运行数据中筛选针对部件温度的关联监测数据，包括：

5.根据权利要求1至4任一项所述的方法，其特征在于，所述计算所述部件正常温度预测值与所述部件温度真实值的残差，包括：采用指数加权移动平均控制图对残差进行趋势监测；

...

【技术特征摘要】

1.一种风电机组部件温度异常预警方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述正常温度预测模型通过如下步骤预先建立：

3.根据权利要求2所述的方法，其特征在于，所述利用所述数据集训练xgboost回归模型，包括：

4.根据权利要求2所述的方法，其特征在于，所述基于皮尔逊相关系数从所述历史运行数据中筛选针对部件温度的关联监测数据，包括：

5.根据权利要求1至4任一项所述的方法，其特征在于，所述计算所述部件正常温度预测值与所述部件温度真实值的残差，包括：...

【专利技术属性】
技术研发人员：王志远，王晓宁，翁存兴，崔源，杨继明，
申请(专利权)人：北京华能新锐控制技术有限公司，
类型：发明
国别省市：

全部详细技术资料下载 我是这个专利的主人