[发明专利]风力发电机状态监控方法与系统

权利要求书

1.一种风力发电机状态监控方法，包括如下步骤：

历史数据获取步骤：获取历史SCADA数据和对应于所述历史SCADA数据的风力发电机报告，其中所述历史SCADA数据包括所述风力发电机的操作数据，并且其中所述风力发电机报告包括：被诊断为正常或有缺陷状态的风力发电机的健康状况，以及如果风力发电机的健康状况被诊断为有缺陷状态时的具有对应的故障详细信息的有缺陷部件；

模型训练步骤：基于所述历史SCADA数据和对应的风力发电机报告，通过建立所述历史SCADA数据和所述风力发电机报告之间的关系，训练用于整体诊断所述风力发电机的整体模型并且训练用于分析所述风力发电机的不同部件的不同个体模型；

整体诊断步骤：获取实时SCADA数据，输入所述实时SCADA数据至已训练的整体模型，从所述已训练的整体模型获得所述风力发电机的健康状况，以及如果所述已训练的整体模型判定风力发电机为有缺陷状态则执行个体诊断步骤；

个体诊断步骤：输入所述实时SCADA数据至对应于所述有缺陷部件的已训练的个体模型，以及从对应于所述有缺陷部件的所述已训练的个体模型获得所述有缺陷部件的故障详细信息。

2.根据权利要求1所述的方法，其中，所述历史数据获取步骤还包括：

验证所述风力发电机报告以确定所述历史SCADA数据中哪一数据部分是正常状态以及所述历史SCADA数据中哪一数据部分是有缺陷状态。

3.根据权利要求1所述的方法，其中，所述模型训练步骤包括：

选择整体数据挖掘算法；

利用整体数据挖掘算法来训练用于整体诊断风力发电机的整体模型，以建立所述整体模型的输入和输出之间的关系，所述整体模型的输入是所述历史SCADA数据，整体已训练模型的输出是所述风力发电机的健康状况，其包括正常状态和有缺陷状态，以及如果所述风力发电机的健康状况被诊断为有缺陷状态时的有缺陷部件；

选择用于所述风力发电机的不同部件的个体数据挖掘算法；

利用对应的个体数据挖掘算法来训练用于分析所述风力发电机的不同部件的不同的个体模型，以建立所述个体模型的输入和输出之间的关系，每一个体模型的输入是所述历史SCADA数据，每一个体模型的输出是如果对应于所述个体模型的个体部件是有缺陷部件时对应于所述个体模型的个体部件的故障详细信息。

4.根据权利要求3所述的方法，其中，所述模型训练步骤包括：

使用所述历史SCADA数据验证所述整体模型和个体模型的有效性。

5.根据权利要求3所述的方法，其中，所述整体诊断步骤包括：

获取实时SCADA数据；

输入所述实时SCADA数据至所述已训练的整体模型；

运行所述已训练的整体模型以实施所述整体数据挖掘算法；

从所述已训练的整体模型获得所述风力发电机的健康状况；

如果所述已训练的整体模型判定风力发电机为有缺陷状态，则执行个体诊断步骤。

6.根据权利要求3所述的方法，其中，所述个体诊断步骤包括：

选择对应于所述有缺陷部件的所述已训练的个体模型作为已训练的有缺陷模型；

输入所述实时SCADA数据至所述已训练的有缺陷模型；

运行所述已训练的有缺陷模型以实施对应的个体数据挖掘算法；

从所述已训练的有缺陷模型获得所述有缺陷部件的故障详细信息。