[发明专利]基于风电设备异常分析数据的时序模糊层次分析评估方法

说明书

本发明公开了一种基于风电设备异常分析数据的时序模糊层次分析评估方法，包括：采集风机各设备的异常分析结果数据，对其归一化处理；结合风机机理关系建立层次分析树；采用1‑9级标度规则根据层次分析法对第一层设备进行统计，构建判断矩阵B，同时对各设备第二层指标元素进行统计，构建判断矩阵B₁、B₂……B_x；根据各判断矩阵计算最大特征根λ_Bmax、特征向量δ_B和权重值w_B；设定风机设备健康等级；组建各设备异常分析指标的隶属度向量β；进行第一层模糊层级分析和综合模糊层次评估，得到风机的健康评价结果。本发明基于风电设备异常分析结果通过时间序列的模糊层次分析评估，得到风电设备的整体健康程度排序，指导维护人员对风电设备进行高效维护。

技术领域

本发明涉及风电技术领域，特别是涉及一种基于风电设备异常分析数据的时序模糊层次分析评估方法。

背景技术

随着AlphaGo和AlphaGo zero战胜围棋界顶级高手，智能交通、智能餐饮、智能家居等一系列的大数据、人工智能科技已逐步进入人们的生活当中，为人们生活提供了轻便的智能服务。

随着国家下发的人工智能规划、中国制造2025、互联网+行动计划等一系列重大政策，能源行业的大数据也悄然将至。能源大数据理念是将电力、石油、燃气等能源领域数据进行综合采集、处理、分析与应用的相关技术与思想。能源大数据不仅是大数据技术在能源领域的深入应用，也是能源生产、消费及相关技术革命与大数据理念的深度融合，将加速推进能源产业发展及商业模式创新。

风力发电作为能源行业是十三五规划的重点规划发展绿色能源之一，融合能源大数据理念已是必然趋势。风力发电设备维护从最初的依靠人力定期维护，到在线监视以故障为依据的维护，再到如今设备预测性维护已经历了巨大的变革。然而，如今的预测性维护仍处于初级阶段，仅能对设备有大概的预判性，如：大数据异常检测技术等，却不能细化设备需要维护的程度，导致维护工作复杂程度较高。

由此可见，上述现有的针对风电设备预测性维护方法显然仍存在有不便与缺陷，而亟待加以进一步改进。如何能创设一种新的基于风电设备异常分析数据的时序模糊层次分析评估方法，使其能排列出风力发电设备异常设备的需要维护程度，指导维护人员有选择的对风力发电设备部件进行高效维护，实属当前重要研发课题之一。

发明内容

本发明要解决的技术问题是提供一种基于风电设备异常分析数据的时序模糊层次分析评估方法，使其能排列出风力发电设备异常设备的需要维护程度，指导维护人员有选择的对风力发电设备设备进行高效维护，从而克服现有的针对风电设备预测性维护方法的不足。

为解决上述技术问题，本发明提供一种基于风电设备异常分析数据的时序模糊层次分析评估方法，所述方法包括如下步骤：

S1、采集风电机组各设备的异常分析结果数据，并将所述异常分析结果数据进行归一化处理；

S2、结合风电机组的机理关系，建立层次分析树，所述层次分析树的第一层为风电机组的各设备部件，标记为B₁、B₂……B_x，第二层为影响各设备异常的各指标元素，标记为C₁₁、C₁₂、……C₁₀₁、C₁₀₂；

S3、采用1-9级标度规则，根据层次分析法对层次分析树中的第一层设备进行统计，构建判断矩阵B，同时对层次分析树中各设备的第二层指标元素进行统计，构建判断矩阵B₁、B₂……B_x；