[发明专利]基于大数据集近邻策略的风机指标预测与故障预警方法

摘要

本发明公开了一种基于大数据集近邻策略的风机指标预测与故障预警方法，该方法是基于风机运行状态的历史数据，结合统计学和机器学习方法，以风机的多个监测指标作为输入指标，多个监测指标作为预测估计的输出指标，并对输出指标的预测值进行统计分析，设定分位数与报警等级的关系，最终通过查看输出指标的实际值所对应的预测区间来确定预警等级。本发明能够对风机指标进行准确预警监控，可以用于风力发电机组的各部件，普适性高。

主权项

1.基于大数据集近邻策略的风机指标预测与故障预警方法，其特征在于：该方法是基于风机运行状态的历史数据，结合统计学和机器学习方法，以风机的多个监测指标作为输入指标，多个监测指标作为预测估计的输出指标，并对输出指标的预测值进行统计分析，设定分位数与报警等级的关系，最终通过查看输出指标的实际值所对应的预测区间来确定预警等级；其包括有以下步骤：1)数据准备选取所分析的风机部件的指标集及其历史运行数据，并对数据进行异常值处理，准备大量干净的历史数据作为训练集，存入数据库中；其中，所述指标集包括机舱温度、室外温度、风速实时值、发电机功率实时值、发电机转速实时值、发电机驱动端轴承温度、发电机非驱动端轴承温度、发电机定子绕组U温度、发电机定子绕组V温度及发电机定子绕组W温度，所述异常值包括空值、跳变值、重复值、离群点；2)相关性分析对步骤1)清洗过后的数据进行相关性分析，分析出各指标之间的相关性，确认预测输入指标与预测输出指标的相关性，若分析的指标集间存在相关性，则进行步骤3)，若不存在，则重新筛选指标集，重复步骤1)、2)，直到指标集间存在相关性为止；3)根据相关性分析，指定外生变量与内生变量作为输入变量和输出变量，并设定各输入变量的近邻域的半径大小值；其中，所述输入变量包括机舱温度、室外温度、风速实时值、发电机功率实时值、发电机转速实时值，所述输出变量包括发电机驱动端轴承温度、发电机非驱动端轴承温度、发电机定子绕组U温度、发电机定子绕组V温度及发电机定子绕组W温度；4)根据确定的输入指标和输出指标，重新准备待分析的数据作为测试集，根据测试集中各输入变量的近邻域半径大小，从训练集中搜索测试集的各输入变量近邻域内对应的各输出变量的历史数据集作为测试集的预测集输出；5)对计算得到的输出指标的预测集进行统计分析，得到输出指标预测集的点估计及界限估计，并设定分位数与报警等级的关系，划定不同的预警等级；6)最后查看测试集的输出变量的实际值所处界限范围进而给出机组预警等级。