[发明专利]一种预测未来风电机组发生故障的模型构建方法及系统

说明书

一种预测未来风电机组发生故障的模型构建方法及系统，包括：通过CMS系统获取风电机组的故障预警和故障发生信号；在SCADA系统中记录所述故障预警和故障发生信号发生的时刻，并在SCADA系统的数据中进行预警等级和故障标记；根据SCADA系统中参数越限信息分析所述对应时刻SCADA数据的参数状态；在预设周期内，根据所述预警等级和故障标记以及所述参数状态构建关联规则模型；通过所述关联规则模型预测未来风电机组发生的所有故障预警情况。本发明实现了CMS测量数据信息和SCADA量测数据信息的融合，实现了两种无法直接进行数据融合的系统的协同作用，提高风电机组运维效率。

技术领域

本发明涉及风电机组故障预警技术，具体涉及一种预测未来风电机组发生故障的模型构建方法及系统。

背景技术

对风电机组运行状态进行检测与故障预警，不但能保证风电机组安全运行，而且是实现风电场科学运维、降低成本和减少故障引发损失的重要手段。随着风电行业的发展，风电机组从原先仅配有数据监控及采集系统SCADA(Supervisory Control And DataAcquisition)测量运行数据发展至主流风电机组基本同时配有两套量测系统，SCADA系统和振动状态监测系统CMS(Condition Monitoring System)。对于同时具备SCADA系统与CMS系统的风电机组而言，目前常用的监测方法有油液分析、CMS振动监控、SCADA运行数据监控以及完全依赖人工进行的历史数据统计分析。

油液分析，通过分析油液中磨损的颗粒和其他污染物质来了解具备润滑系统的旋转部件如齿轮在运行中出现磨损的状态。通过该技术得到的磨损信息准确性非常高，但由于进行一次油液提取需要风电机组停机、专业人员进入机舱采样、样本送回实验室进行几十天的分析等过程，能够定位的故障时刻虽然更靠近故障真实发生的时刻，但由于处理过程长而丧失了时间优势，仅适合作为已探明故障但尚未失效的部件进行密切关注的手段。

CMS振动监测，基于振动分析技术对风电机组传动链进行监控，通过特征包络频谱匹配得到的故障机械部件振动特性，预测准确性很高，但受技术经济的限制无法做到实时监控，若完全依赖振动分析进行故障预警会存在漏判的风险。

SCADA运行数据监控，该方法测量数据容易获取、稳定性强、并且可以实时监控，风电机组运维人员可以时刻关注SCADA系统实时信息，通过比对发布的若干参数的超限信息与运维手册的指导说明开展现场维修。但是，这种方式得到的运维建议是不准确的，无法对检修工作进行明确指导，因误报而导致的运维成本提高和运维人员警惕性下降。

人工统计分析方法，基于风电机组历史运行数据开展分析，是蕴含信息量最大的分析方法，在失效发生后才能进行经验性总结；结合先期经验的统计分析方法受数据更新速度和先期经验适用性的影响而不能保证预警能力，也不具备对失效进行预测的能力。

发明内容

为了解决现有技术中所存在的上述不足，本发明提供一种预测未来风电机组发生故障的模型构建方法及系统。

本发明提供的技术方案是：一种预测未来风电机组发生故障的模型构建方法，包括：

通过CMS系统获取风电机组的故障预警和故障发生信号；

在SCADA系统中记录所述故障预警和故障发生信号发生的时刻，并在SCADA系统的数据中进行预警等级和故障标记；

根据SCADA系统中参数越限信息分析所述对应时刻SCADA数据的参数状态；

在预设周期内，根据所述预警等级和故障标记以及所述参数状态构建关联规则模型；

通过所述关联规则模型预测未来风电机组发生的所有故障预警情况。

优选的，所述通过CMS系统获取风电机组的故障预警和故障发生信号，包括：

通过CMS系统获得风电机组传动链待测部件的振动特征；