[发明专利]一种基于云平台的风电机群故障预警方法

权利要求书

1.一种基于云平台的风电机群故障预警方法，其特征在于，包括状态监测数据存储与利用、工况辨识及预警阈值选取、基于Map-Reduce的早期故障预警方法和BP神经网络的故障预警以及基于工况辨识的同类风机异常监测，状态监测数据存储与利用包括电气参数、过程参数、振动参数以及气象参数的分布式存储与分析利用，工况辨识采用FCM进行，通过风速、转速、有功功率参数，划分并辨识出风机运行工况，预警阈值选取在工况辨识基础上，采样多元统计法和趋势分析选择出与每种工况相适应的预警阈值，BP神经网络的故障预警包括输入层、隐含层、输出层，BP神经网络的故障预警是在对二组以上设备健康指标进行降维处理后，进行的BP神经网络在线训练和故障预警输出；所述BP神经网络的输入层包含降维后的健康指标以及风电机组当前的运行工况数据；隐含层由9个神经元构成；输出层为故障预警准确度，隐含层的神经元采用Sigmoid型激励函数，输出层的神经元采用Purelin激励函数，过程为：1)针对状态监测数据，进行有效性判断和压缩处理，实现有效数据在云平台中安全、分布式存储；

2)辨识风机运行工况，以选择合适的预警阈值；

3)调用云平台中基于Map-Reduce的早期故障预警方法包括：1)时域指标计算方法：峭度、散度、烈度、均值、方差；2)频域计算方法：频谱、倒谱、包络谱以及细化谱，适用于转速恒定工况；3)时频计算方法：小波变换、短时傅里叶变换，希尔伯特黄变换以及自适应高频谐波局部均值分解，时频计算方法适用于变速工况；4)多元统计方法：回归分析、聚类分析以及主成分分析，使用于消除转速负荷变化影响、工况辨识以及健康状态指标筛选，计算设备健康状态指标；

4)基于BP神经网络的故障预警；

5)触发远程监控协助，通过专家分析对在线故障预警的故障原因做出判断，并反馈给风场中央集控室；

6)现场运维人员综合预警结果进行风机主动维护。

2.根据权利要求1所述的一种基于云平台的风电机群故障预警方法，其特征在于，所述电气参数、过程参数、振动参数分别为：

1)电气参数：电网三相电压、三相电流、电网频率、功率因数，电气参数不仅能够反映发电机的异常状态还能作为传动系统和叶片的故障信号；

2)过程参数：风轮转速、发电机转速、发电机线圈温度、发电机前后轴承温度、齿轮箱油温度、齿轮箱前后轴承温度、液压系统油温、油压、油位、电缆扭转、机舱温度，过程参数反映机械系统故障；

3)振动数据：主轴、齿轮箱、发电机及联轴器、塔筒、机舱、支架处的位移、速度和加速度数据，振动数据直接反映传动系统故障。