[发明专利]基于贝叶斯推理方式对风机状态进行预测的方法和系统

说明书

技术领域

本申请涉及风力机的状态监测领域，更具体地涉及一种基于贝叶斯推理方式对风机状态进行预测的方法和系统。

背景技术

风力发电机在自然风的带动下运行并产生电能，在风力发电机的运行过程中，将受到外界环境因素和自身工作状态的影响，如：由于自然风的实时变化，有时风速小于风力发电机的切入风速，使风力发电机难以启动；有时风速又大于风力发电机可承受的极限风速，对风力发电机造成破坏，使风力发电机出现故障甚至停机；又如：风力发电机长时间运行，使风力发电机出现运行故障。

对于风力发电机的运行故障而言，通常情况下，并不是突然停机，而是导致风力发电机的性能逐渐下降，在不进行检修维护的情况下，终将导致风力发电机停机，风力机一旦停机，再进行维修的成本是非常巨大的，并且风力机停机也会造成发电量的巨大损失。所以，需要对风场上的风力发电机进行预测式维护。

如果故障在发生的早期阶段被发现，则可以将由该故障带来的影响降低至最小，进一步缩短风力发电机的停机时间同时减小发电量的损失。并且，也可以只在需要时进行维护，从而降低成本。

但在现有技术中，风力发电机的运行状态类型众多，尤其是一些故障运行状态，如：齿轮箱轴承故障、叶轮故障、变桨角故障等的发生较为突然，难以预测，在故障发生后，只能根据风力发电机数据报警数据，对其进行相应的检修维护。从故障发生到检修维护的过程需要较长时间，风力机的故障已经对其运行造成一定影响，导致发电量的巨大损失。

综上所述，如何解决难以对风力发电机故障运行状态的发生进行预测，便成为亟待解决的技术问题。

发明内容

有鉴于此，本申请所要解决的技术问题是提供了一种基于贝叶斯推理(Bayesian Inference)方式对风机故障状态进行预测的方法和系统，以解决难以对风力发电机故障运行状态的发生进行预测的问题。

为了解决上述技术问题，本申请公开了一种基于贝叶斯推理方式对风机故障状态进行预测的方法，包括：

获取风场内所有风力机在指定的时间点之前一定时间内的运行数据，按照预置的所述风力机的运行状态类型对所述运行数据进行归类，并在所述一定时间内按相同时长的时间段获取各所述风力机在每一时间段对应的运行状态类型；

对每一所述时间段内的各所述风力机所对应的所述运行状态类型进行概率统计处理，生成各所述风力机运行状态类型的概率值，确定出每一所述时间段内的所述概率值最大的所述运行状态类型作为该时间段的总体运行状态类型；其中，所述总体运行状态类型的概率值为该时间段内所述风力机运行状态类型的最大概率值；

对所述一定时间内的每一所述时间段的所述总体运行状态类型进行贝叶斯网络建模，生成相邻两个时间段的任意一对所述总体运行状态类型发生的先验条件概率；

对各所述时间段的所述先验条件概率以及总体运行状态类型的概率值，利用贝叶斯推理方式进行概率处理，生成所述相邻两个时间段的任意一对所述总体运行状态类型发生的联合概率值，由所述联合概率值建立此类风机由于所述故障引起性能衰退直至停机的状态分布曲线，根据该状态分布曲线对所述风机进行故障状态的预测。

其中，优选地，对所述一定时间内的每一所述时间段的所述总体运行状态类型进行贝叶斯网络建模，生成相邻两个时间段的任意一对所述总体运行状态类型发生的先验条件概率，进一步为：

以故障导致停机的时间点为时间起始点，依次对一定时间内的每一所述时间段的所述总体运行状态类型进行贝叶斯网络建模处理，然后，使用任何风机发生所述故障的所有该类事件进行参数训练，生成相邻两个时间段的任意一对所述总体运行状态类型发生的先验条件概率。

其中，优选地，对所述一定时间内的每一时间段内各所述风力机所对应的所述运行状态类型进行概率统计处理，进一步为：

将所述一定时间内的每一时间段内，所述风力机所对应的同一所述运行状态类型与在该时间段内出现的所有所述运行状态类型的比例进行概率统计处理。

其中，优选地，获取风场内所有风力机在指定的时间点之前一定时间内的运行数据，进一步为：对风场内所有风力机在指定的时间点之前一定时间内的风速数据与该风力机的发电功率、叶片转速、变桨转角和/或该风力机的运行参数进行相关性测试，获取由该相关性测试所生成的运行数据。

其中，优选地，所述一定时间，进一步为：以25天为固定值的时间期限；

所述相同时长的时间段，进一步为：在所述25天内以1天作为固定值的时间段。