一种基于时序特征融合的风机高温异常检测方法和系统技术方案

本申请提出了一种基于时序特征融合的风机高温异常检测方法和系统，获取风机组的Scada数据进行降采样处理，趋势量化处理替代边界瞬时值，再通过移动平均滤波进行平滑高频噪声处理,提取温度特征和运行状态特征；并关联物理机理规则，进行机理建模；结合机理建模或计算得到Scada数据的耦合特征，耦合特征包括设备‑冷却温差比TCR、负载‑温度梯度匹配度LTM和物理约束冲突标志PCC；基于耦合强度对耦合特征分配不同的权重进行异常评分和多级预警。本申请能够避免历史依赖导致的风机性能衰减，实现根因精准定位，减少运维排查成本，过滤因传感器噪声或短暂负载波动造成的虚假告警，降低误报率，提高准确率。

【技术实现步骤摘要】

本申请涉及风力发电机组健康管理，具体涉及一种基于时序特征融合的风机高温异常检测方法和系统。

技术介绍

1、当前常用的风机温度异常检测方法包括单阈值告警法，基于lstm预测法和机器学习模型分类法；其中，单阈值告警法通过设置固定的温度阈值来检测温度异常，基于lstm预测法通过历史数据预测理论温度并与实际温度值对比判断温度异常，机器学习模型分类法采用随机森林或支持支持向量机svm对瞬时温度数据进行二分类。

2、但是上述方法存在着一定的局限，首先，阈值告警法在瞬时温度突变时引发误报，导致系统捕捉的并非真实的温度异常而是噪声；其次，基于lstm预测法针对单一时间点的判断忽略了温度变化的时序惯性特征，例如升温速率和累计热量；另外，没有关联与高温并发的设备工控信号，例如变量速度和液压压力，导致故障衍生特征得不到充分有效的利用，并且上述方法标记异常后需要人工复核时序片段，无法自动输出精确的起止时间戳。

3、上述方法依赖统计算法和操弄，统计特征无实际物理意义、无法适应突变速况和误报率高且无法指导维护，针对上述问题，本申请提出了一种基于时序特征融合的风本文档来自技高网...

【技术保护点】

1.一种基于时序特征融合的风机高温异常检测方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述温度特征包括变桨驱动器温度、环境温度、水冷出阀水温、水冷进阀水温、机舱温度、发电机轴承温度和轮毂温度；

3.根据权利要求1所述的方法，其特征在于，步骤S1还包括将所述温度特征超过物理极限阈值的Scada数据进行过滤,清洗逻辑冲突的Scada数据，用所述Scada数据的均值替代缺失值，以及对所述Scada数据进行滑动窗口时序处理。

4.根据权利要求1所述的方法，其特征在于，所述设备-冷却温差比TCR的计算公式为：

<p>5.根据权利要求...

【技术特征摘要】

1.一种基于时序特征融合的风机高温异常检测方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述温度特征包括变桨驱动器温度、环境温度、水冷出阀水温、水冷进阀水温、机舱温度、发电机轴承温度和轮毂温度；

3.根据权利要求1所述的方法，其特征在于，步骤s1还包括将所述温度特征超过物理极限阈值的scada数据进行过滤,清洗逻辑冲突的scada数据，用所述scada数据的均值替代缺失值，以及对所述scada数据进行滑动窗口时序处理。

4.根据权利要求1所述的方法，其特征在于，所述设备-冷却温差比tcr的计算公式为：

5.根据权利要求1所述的方法，其特征在于，所述负载-温度梯度...

【专利技术属性】
技术研发人员：李博涵，余嘉立，朱尤生，黄榕榕，高晓华，林秀芬，
申请(专利权)人：福建海电运维科技股份有限公司，
类型：发明
国别省市：