[发明专利]一种风力发电机组故障预警系统与方法有效
| 申请号: | 201910979917.3 | 申请日: | 2019-10-15 |
| 公开(公告)号: | CN110852484B | 公开(公告)日: | 2023-03-10 |
| 发明(设计)人: | 刘伟江;史晓鸣;周民强;潘东浩;陈坚钢 | 申请(专利权)人: | 浙江运达风电股份有限公司 |
| 主分类号: | G06Q10/04 | 分类号: | G06Q10/04;G06Q10/0639;G06Q10/20;G06Q50/06;G06F16/215;G06F16/25;G06F16/26 |
| 代理公司: | 杭州杭诚专利事务所有限公司 33109 | 代理人: | 尉伟敏 |
| 地址: | 310006 浙江省杭州市余杭区余*** | 国省代码: | 浙江;33 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 一种 风力 发电 机组 故障 预警系统 方法 | ||
1.一种风力发电机组故障预警系统,其特征是,包括:
数据仓库模块(1),存储风电场及风电机组的基本信息、配置信息以及运行数据等,并对以上数据进行清洗、整理;
预警模型模块(2),利用数据仓库模块(1)中的数据,根据风电场及风电机组的信息计算故障特征值;
预警规则模块(3),利用故障特征值根据预设的规则触发预警代码;
故障诊断模块(4),关联预警信息知识库,生成完整的预警信息,包括故障位置、故障原因、处理意见;
前端展示模块(5),发起预警单到外部的生产管理系统,处理并反馈故障及处理信息,通过应用程序上对预警单进行操作,若预警单发起到外部的生产管理系统,处理并反馈故障及处理信息存储回数据仓库模块(1);
预警功能评估模块(6),通过反馈的预警单,评价预警功能的优劣;
其中,数据仓库模块(1)、预警模型模块(2)、预警规则模块(3)、故障诊断模块(4)与前端展示模块(5)依次连接并均与预警功能评估模块(6)相连接;
所述系统采用一种风力发电机组故障预警方法,包括以下步骤:
S1:根据风电场及风电机组的信息计算故障特征值;
S2:利用故障特征值根据预设的规则触发预警代码;
S3:关联预警信息知识库,生成完整的预警信息;
S4:发起预警单到外部的生产管理系统,处理并反馈故障及处理信息;
S5:通过反馈的预警单监管整个故障预警流程,评价各个模块的优劣;
所述S5具体包括以下内容:
S501:预警功能评估模块(6)中设置优、良、中、差四个等级,区间80%-100%对应等级优,区间60%-80%对应等级良,区间40%-60%对应等级中,区间0%-40%对应等级差,提取各环节的绩效指标,预警单完成率、预警单准确率和预警单发起率用来考核处理问题的绩效;
S502:预警单准确率用来表示前端展示模块(5)的绩效,准预警单发起率用来考核预警规则模块(3)的绩效;
S503:通过读取预警单完成率、预警单准确率和预警单发起率所在的区间判断预警单完成率、预警单准确率和预警单发起率的等级。
2.根据权利要求1所述的一种风力发电机组故障预警系统,其特征是,所述风力发电机组故障预警系统还包括数据转换模块(12),所述数据仓库模块(1),包括结构化数据和非结构化数据,所述结构化数据以数据库形式存储,所述非结构化数据以文件形式存储,非结构化数据通过数据转换模块(12)转换为结构化数据。
3.根据权利要求1所述的一种风力发电机组故障预警系统,其特征是,所述预警模型模块(2)包括模型数据输入模块(9)、预警模型程序模块(7)、模型数据输出模块(10)、故障预警系统应用模块(11)和预警模型管理模块(8),模型数据输入模块(9)、预警模型程序模块(7)、模型数据输出模块(10)和故障预警系统应用模块(11)依次相连,预警模型程序模块(7)和故障预警系统应用模块(11)均与预警模型管理模块(8)相连接。
4.根据权利要求1所述的一种风力发电机组故障预警系统,其特征是,所述S1具体过程包括以下步骤:
S101:数据仓库模块(1)存储风电场及风电机组的基本信息、配置信息及运行数据,对数据进行清洗、整理,所述数据包括结构化数据和非结构化数据,结构化数据直接用于模型快速计算,非结构化数据通过数据转换模块(12)转换为结构化数据;
S102:模型数据输入模块(9)从数据仓库模块(1)获取计算所需结构化数据;
S103:将统计分析、机器学习、深度挖掘算法模块化为预警模型程序模块(7);
S104:预警模型管理模块(8)调用预警模型程序模块(7),定期计算故障特征值,将其通过模型数据输出模块(10),传输到故障预警系统应用模块(11)。
5.根据权利要求4所述的一种风力发电机组故障预警系统,其特征是,所述S104中计算故障特征值的公式为:
式中为故障特征值的有效值,为残差值,残差值为实测值与预测值的差值,预测值通过蚁群算法、机器学习算法或深度学习算法获得,故障特征值的有效值将通过模型数据输出模块(10)输到故障预警系统应用模块(11)中去。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于浙江运达风电股份有限公司,未经浙江运达风电股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910979917.3/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种锑掺杂的二氧化锡气凝胶-钛电极制备方法
- 下一篇:车身抗侧碰结构
- 同类专利
- 专利分类
G06Q 专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法;其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法
G06Q10-00 行政;管理
G06Q10-02 .预定,例如用于门票、服务或事件的
G06Q10-04 .预测或优化,例如线性规划、“旅行商问题”或“下料问题”
G06Q10-06 .资源、工作流、人员或项目管理,例如组织、规划、调度或分配时间、人员或机器资源;企业规划;组织模型
G06Q10-08 .物流,例如仓储、装货、配送或运输;存货或库存管理,例如订货、采购或平衡订单
G06Q10-10 .办公自动化,例如电子邮件或群件的计算机辅助管理





