[发明专利]一种风力发电机组变桨蓄电池异常故障预测方法

说明书

一种风力发电机组变桨蓄电池异常故障预测方法，包括如下步骤：首先对历史的变桨蓄电池异常故障数据和同时刻可导致变桨蓄电池异常故障的相关变量数据进行处理，消除数据噪声，处理因检测系统引起的异常数据；然后从处理后的数据中挖掘出变桨蓄电池异常故障的隐藏信息，将该隐藏信息与处理后的数据进行相似性分析，构造出异常故障分类器模型；最后，采用异常故障分类器对实时数据及隐藏信息进行分类，检索变桨蓄电池异常故障案例库，匹配与实时数据、隐藏信息、以及分类结果最具相似度的故障信息，作出预测，随后用实际情况验证预测结果，并根据验证结果完善故障案例库或加权修正异常故障分类器，实现异常故障的准确预测。

技术领域

本发明涉及一种风力发电机组变桨蓄电池异常故障预测方法。

背景技术

随着风电机组运行时间的延长，变桨蓄电池异常故障数量大幅度增长。变桨蓄电池出现故障或缺少针对性的维护都会增加机组停止运行的时间，造成发电量的损失。

大多数变桨蓄电池检测方法主要是从增加蓄电池测量装置，信号处理单元等方法来检测蓄电池，可以得到准确的检测数据，但需要费用购买专用设备，甚至需要更改变桨蓄电池的柜体结构。

目前的一种检测方法通过系统操作平台调节模拟的风力发电机组桨叶，触发紧急顺桨命令，记录顺桨数据，然后用顺桨数据分析蓄电池性能，并与蓄电池标准参数做对比，从而检测出性能下降的蓄电池。这种方法依据模拟测试的顺桨数据，而得出蓄电池的性能评价，忽略了蓄电池是风电机组的一部分，它的性能不只受自身顺桨运行的影响，也会受到机组运行状态的影响，另外，模拟测试机组的紧急顺桨并不能完全等同于实际机组的紧急顺桨，同样，模拟记录的顺桨数据也不能全面准确的包含蓄电池的性能信息。

以往的方法虽能检测出性能下降的蓄电池，但却无法判断蓄电池性能下降的原因，也不能提前预测蓄电池的异常，使维护和更换工作变得滞后且没有针对性，增加人力物力的成本。

发明内容

本发明的目的是克服现有技术的缺点，提出一种风力发电机组变桨蓄电池异常故障预测方法。本发明可推断出变桨蓄电池性能下降的原因，且能防范于未然，提前预测蓄电池的异常，从而降低变桨蓄电池的异常故障率，减少机组因蓄电池异常故障停机造成的效益损失。

本发明对变桨蓄电池异常故障数据和同时刻可导致变桨蓄电池异常故障的相关变量数据进行处理，从处理后的数据中挖掘出变桨蓄电池异常故障的隐藏信息，用隐藏信息与处理后数据的相似性构造异常故障分类器模型，然后使用分类器对实时数据及隐藏信息进行分类，并将分类结果、实时数据及隐藏信息与异常故障案例库中的数据进行相似度比较，以相似度高低来预测变桨蓄电池异常故障。同时，通过实际结果完善异常故障案例库，或修正异常故障分类器模型。

具体步骤如下：

首先，对变桨蓄电池异常故障数据和同时刻可导致变桨蓄电池异常故障的相关变量数据进行处理，剔除因检测系统引起的异常数据和孤立点数据。从处理后的数据中挖掘出反映变桨蓄电池性能异常的隐藏信息，用隐藏信息数据、处理后的数据和维修记录数据建立异常故障案例库。

其次，用处理后的数据与挖掘出的隐藏信息的相似性构建异常故障分类器模型。将实时数据和隐藏信息输入异常故障分类器，得到故障类别。用故障类别、隐藏信息和实时数据与异常故障案例库中的数据进行匹配，计算得到与异常故障案例库中匹配程度最高的案例，进行故障预测。

最后，通过对比实际结果与预测结果是否一致，来补充异常故障案例库，或加权修正异常故障分类器模型。

本发明提出的变桨蓄电池异常故障预测方法，有以下优点：方便在数据采集与监视控制系统里实现该预测功能；从大量历史故障数据中挖掘有效信息，构造异常故障分类器模型，建立故障案例库，成本低，针对性强，故障判断准确性高；通过实时数据的分析，及时发现潜在的故障，提出了变桨蓄电池异常故障预测方法，从而在最早的时间发现蓄电池的异常，以对其进行及时的维护和更换。