基于故障数据的风电机组传动系统故障识别方法和系统技术方案

本发明专利技术提供一种基于故障数据的风电机组传动系统故障识别方法和系统，所述方法包括：步骤1、根据风电机组传动系统的历史运行数据，生成风电机组的多个故障状态模型；步骤2、根据所述风电机组的实时运行数据生成当前状态模型，并根据所述当前状态模型与所述故障状态模型的相似度以对所述风电机组故障进行预估。本发明专利技术实施例能够通过风电机组传动系统故障模型和当前风电机组传动系统状态模型来进行对比，以根据它们的相似程度来识别并判断系统的早期故障的发展趋势，防患于未然。

【技术实现步骤摘要】

本专利技术涉及数据处理
，特别涉及一种基于故障数据的风电机组传动系统故障识别方法和系统。
技术介绍
随着能源的日益枯竭以及污染的日益加剧，可再生能源和清洁能源越来越受到重视。风能发电或称风力发电是一种清洁的可再生能源，且风力机组的运行成本低，因此风电技术装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。风电虽然具有清洁、可再生、成本低等优点，但是同样具有对地理要求高、设备需要布置在野外等缺陷，因此如何对风电设备的数据进行收集并进行处理是自动化管理、数据监控的基础。现有技术中只是简单的记录风电机组传动系统的运行数据，而无法提前进行预警。这样导致只有在风电机组传动系统出现故障时才去维修，对于设备的正常运行影响很大。
技术实现思路
本专利技术要解决的技术问题是本专利技术提出一种更为可靠的基于故障数据的风电机组传动系统早期故障识别方法和系统。为了解决上述技术问题，本专利技术的实施例提供一种基于故障数据的风电机组传动系统故障识别方法，包括步骤1、根据风电机组传动系统的历史运行数据，生成风电机组传动系统的多个故障状态模型；步骤2、根据所述风电机组传动系统的实时运行数据生成当前状态模型，并根据所述当前状态模型与所述故障状态模型的相似度以对所述风电机组传动系统故障进行预估。作为上述技术方案的优选，所述步骤I具体包括:步骤11、获取历史运行数据中所述风电机组传动系统在故障发生前的不同时间段的状态参数；步骤12、针对每一时间段内的状态参数形成的一个状态参数集合作为该时间段内的故障状态模型。作为上述技术方案的优选，所述步骤I具体包括:步骤11、获取历史运行数据中所述风电机组传动系统在故障发生前一周内的状态参数，并将所述状态参数形成的一个状态参数集合以建立第一故障状态模型；步骤12、获取历史运行数据中所述风电机组传动系统在故障发生前两周内的状态参数，并将所述状态参数形成的一个状态参数集合以建立第二故障状态模型；步骤13、获取历史运行数据中所述风电机组传动系统在故障发生前两周内的状态参数，并将所述状态参数形成的一个状态参数集合以建立第三故障状态模型。作为上述技术方案的优选，所述步骤2具体包括:步骤21、获取所述风电机组传动系统的实时运行数据，并生成当前状态模型；步骤22、将所述当前状态模型与所述多个故障状态模型分别进行对比以获得所述当前状态模型与每一故障状态模型的相似度；步骤23、根据所述相似度以对所述风电机组传动系统故障进行预估。作为上述技术方案的优选，所述步骤I中针对每一不同类型故障都分别生成多个故障状态模型。为了解决上述技术问题，本专利技术的实施例还提供一种基于故障数据的风电机组传动系统故障识别系统，包括:故障模型建模模块，用于根据风电机组传动系统的历史运行数据，生成风电机组传动系统的多个故障状态模型；预估模块，用于根据所述风电机组传动系统的实时运行数据生成当前状态模型，并根据所述当前状态模型与所述故障状态模型的相似度以对所述风电机组传动系统故障进行预估。作为上述技术方案的优选，所述故障模型建模模块具体包括:获取单元，用于获取历史运行数据中所述风电机组传动系统在故障发生前的不同时间段的状态参数；建模单元，用于针对每一时间段内的状态参数形成的一个状态参数集合作为该时间段内的故障状态模型。作为上述技术方案的优选，所述故障模型建模模块具体包括:第一建模单元，用于获取历史运行数据中所述风电机组传动系统在故障发生前一周内的状态参数，并将所述状态参数形成的一个状态参数集合以建立第一故障状态模型；第二建模单元，用于获取历史运行数据中，所述风电机组传动系统在故障发生前两周内的状态参数，并将所述状态参数形成的一个状态参数集合以建立第二故障状态模型；第三建模单元，用于获取历史运行数据中，所述风电机组传动系统在故障发生前两周内的状态参数，并将所述状态参数形成的一个状态参数集合以建立第三故障状态模型。作为上述技术方案的优选，所述预估模块具体包括:当前状态模型单元，用于获取所述风电机组传动系统的实时运行数据，并生成当前状态模型；对比单元，用于将所述当前状态模型与所述多个故障状态模型分别进行对比以获得所述当前状态模型与每一故障状态模型的相似度；预估单元，用于根据所述相似度以对所述风电机组传动系统故障进行预估。作为上述技术方案的优选，所述故障模型建模模块针对每一不同类型故障都分别生成多个故障状态模型。本专利技术的上述技术方案的有益效果如下:本专利技术实施例能够通过风电机组传动系统的故障状态模型和当前风电机组传动系统的当前状态模型来进行对比，以根据它们的相似程度来识别并判断系统的早期故障的发展趋势，防患于未然。附图说明图1为本专利技术实施例的基于故障数据的风电机组传动系统故障识别方法的流程示意图；图2为本专利技术实施例的基于故障数据的风电机组传动系统故障识别系统的结构示意图。具体实施例方式为使本专利技术要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。本专利技术的实施例提供一种基于故障数据的风电机组传动系统故障识别方法，其流程如图1所示的，包括:步骤1、根据风电机组传动系统的历史运行数据，生成风电机组传动系统的多个故障状态模型；步骤2、根据所述风电机组传动系统的实时运行数据生成当前状态模型，并根据所述当前状态模型与所述故障状态模型的相似度以对所述风电机组传动系统故障进行预估。上述方法中，是采用当前状态模型与根据历史运行数据生成的多个故障状态模型来进行对比，以根据与故障状态模型的相似度对故障进行预估。这种方式可以根据历史数据来预估风电机组传动系统是否会发生故障，防患于未然，提高系统的稳定性。具体的，由于风电机组的传动系统可能会包括多种，因此可以对每一种故障都分别生成一个或多个故障状态模型。这样可以将获取的实时运行数据生成一个当前状态模型，然后将当前状态模型与每一故障状态模型分别进行对比以确定相似度。如果与某一个故障状态模型相似度比较高，则可以认为该风电机组可能会发生该故障。在本专利技术的一个实施例中，采用如下方法来生成风电机组传动系统的故障状态模型。即所述步骤I具体包括:步骤11、获取历史运行数据中所述风电机组传动系统在故障发生前的不同时间段的状态参数；步骤12、针对每一时间段内的状态参数形成的一个状态参数集合作为该时间段内的故障状态模型。在本专利技术的一个实施例中，具体的可以采用获取故障发生前的一周、两周、一个月内的历史运行数据，分别生成三个故障状态模型。即所述步骤I具体包括:步骤11、获取历史运行数据中所述风电机组传动系统在故障发生前一周内的状态参数，并将所述状态参数形成的一个状态参数集合以建立第一故障状态模型；步骤12、获取历史运行数据中所述风电机组传动系统在故障发生前两周内的状态参数，并将所述状态参数形成的一个状态参数集合以建立第二故障状态模型；步骤13、获取历史运行数据中所述风电机组传动系统在故障发生前两周内的状态参数，并将所述状态参数形成的一个状态参数集合以建立第三故障状态模型。这样可以利用实时运行数据与多个时间段的故障状态模型分别进行对比，这样可以通过故障发生过程中的模型来确定是否存在故障隐患。在获取了多个故障状态模型后，在步骤2中需要利用风电机组传动系统当前的实时运行数据生成当前状态模型。即所述步骤2具体包括:步骤21、获取所述风本文档来自技高网...

【技术保护点】
基于故障数据的风电机组传动系统故障识别方法，其特征在于，包括：步骤1、根据风电机组传动系统的历史运行数据，生成风电机组传动系统的多个故障状态模型；步骤2、根据所述风电机组传动系统的实时运行数据生成当前状态模型，并根据所述当前状态模型与所述故障状态模型的相似度以对所述风电机组传动系统故障进行预估。

【技术特征摘要】
1.基于故障数据的风电机组传动系统故障识别方法，其特征在于，包括: 步骤1、根据风电机组传动系统的历史运行数据，生成风电机组传动系统的多个故障状态模型； 步骤2、根据所述风电机组传动系统的实时运行数据生成当前状态模型，并根据所述当前状态模型与所述故障状态模型的相似度以对所述风电机组传动系统故障进行预估。2.根据权利要求1所述的基于故障数据的风电机组传动系统故障识别方法，其特征在于，所述步骤I具体包括: 步骤11、获取历史运行数据中所述风电机组传动系统在故障发生前的不同时间段的状态参数； 步骤12、针对每一时间段内的状态参数形成的一个状态参数集合作为该时间段内的故障状态模型。3.根据权利要求1所述的基于 故障数据的风电机组传动系统故障识别方法，其特征在于，所述步骤I具体包括: 步骤11、获取历史运行数据中所述风电机组传动系统在故障发生前一周内的状态参数，并将所述状态参数形成的一个状态参数集合以建立第一故障状态模型； 步骤12、获取历史运行数据中所述风电机组传动系统在故障发生前两周内的状态参数，并将所述状态参数形成的一个状态参数集合以建立第二故障状态模型； 步骤13、获取历史运行数据中所述风电机组传动系统在故障发生前两周内的状态参数，并将所述状态参数形成的一个状态参数集合以建立第三故障状态模型。4.根据权利要求1或2或3所述的基于故障数据的风电机组传动系统故障识别方法，其特征在于，所述步骤2具体包括: 步骤21、获取所述风电机组传动系统的实时运行数据，并生成当前状态模型； 步骤22、将所述当前状态模型与所述多个故障状态模型分别进行对比以获得所述当前状态模型与每一故障状态模型的相似度； 步骤23、根据所述相似度以对所述风电机组传动系统故障进行预估。5.根据权利要求1所述的基于故障数据的风电机组传动系统故障识别方法，其特征在于，所述步骤I中针对每一不同类型故障都分别生成多个故障状态模型。6.一种基于故障数据的风电机组传动系统故障识别系统，其特...

【专利技术属性】
技术研发人员：吕庭彦，李亚冬，韩绪望，蒋维，吕东，陈荣敏，贾英韬，李海波，江涛，刘江，
申请(专利权)人：中国水利电力物资有限公司，北京中瑞泰科技有限公司，
类型：发明
国别省市：