[发明专利]用于风力发电机组的不间断电源的故障优化方法及装置

权利要求书

1.一种用于风力发电机组的不间断电源的故障优化方法，其特征在于，所述方法包括：

获取所述风力发电机组处的环境数据，将所述环境数据输入预先建立的故障分析模型以得到针对该风力发电机组的不间断电源的故障分析结果，预先建立故障分析模型的步骤包括：

获取样本数据，所述样本数据包括风力发电机组处的环境数据以及该风力发电机组的不间断电源的故障数据，所述故障数据来源于以下任意一种方式或组合：对风力发电机组的不间断电源的失效模式与影响分析结果，风力发电机组的不间断电源的历史故障数据；

对多个不同的样本数据进行训练，以得到所述故障分析模型，包括：将所述样本数据作为训练集，利用神经网络算法进行故障分析模型训练；训练过程包括：

基于样本数据中的环境数据对所述样本数据进行聚类，以得到不同的环境类别，对每一个环境类别中的所有不间断电源的故障数据进行统计分析，以得到相应的统计分析结果；

将每一个环境类别以及其相应的统计分析结果作为所述故障分析模型的输出数据；

根据所述故障分析结果选择相应的故障优化策略对该风力发电机组的不间断电源进行故障优化。

2.根据权利要求1所述的方法，其特征在于，基于所述环境数据对所述样本数据进行聚类，以得到不同的环境类别，对每一个环境类别中的所有不间断电源的故障数据进行统计分析的步骤包括：

统计每一个环境类别中的每一个故障类型的数量，并按故障数量的多少对所述故障类型进行排序，将排序结果作为相应故障数据类别的故障失效模式。

3.根据权利要求1或2所述的方法，其特征在于，在所述训练过程中还包括：

当任意环境类别之间的故障失效模式均不同时，将此时的聚类结果以及相应的统计分析结果作为所述故障分析模型的输出数据；

当存在相同或相近的故障失效模式时，则重新调整聚类参数，以得到新的聚类结果，并对重新得到的每一个环境类别中的所有故障数据进行统计分析。

4.根据权利要求3所述的方法，其特征在于，当任意两个故障失效模式中的所有故障类型及相应排序均相同时，确定所述故障失效模式为相同；

当任意两个故障失效模式中存在预定数量的相同类型的故障类型，而排序不同时，确定所述故障失效模式为相似。

5.根据权利要求1所述的方法，其特征在于，所述环境数据包括气象数据和/或地理数据。

6.一种用于风力发电机组的不间断电源的故障优化装置，其特征在于，包括：

数据获取及分析模块，获取所述风力发电机组处的环境数据，将所述环境数据输入预先建立的故障分析模型以得到针对该风力发电机组的不间断电源的故障分析结果；

故障优化模块，根据所述故障分析结果选择相应的故障优化策略对该风力发电机组的不间断电源进行故障优化；

所述数据获取与分析模块包括：

数据获取子模块，用于获取样本数据，所述样本数据包括风力发电机组处的环境数据以及该风力发电机组的不间断电源的故障数据，所述故障数据来源于以下任意一种方式或组合：对风力发电机组的不间断电源的失效模式与影响分析结果，风力发电机组的不间断电源的历史故障数据；

故障分析模型训练子模块，用于对多个不同的样本数据进行训练，以得到所述故障分析模型；

所述故障分析模型训练子模块还用于：将所述样本数据作为训练集，利用神经网络算法进行故障分析模型训练；

训练过程包括：

基于样本数据中的环境数据对所述样本数据进行聚类，以得到不同的环境类别，对每一个环境类别中的所有不间断电源的故障数据进行统计分析，以得到相应的统计分析结果；

将每一个环境类别以及其相应的统计分析结果作为所述故障分析模型的输出数据。

7.根据权利要求6所述的装置，其特征在于，所述故障分析模型训练子模块还用于：

统计每一个环境类别中的每一个故障类型的数量，并按故障数量的多少对所述故障类型进行排序，将排序结果作为相应故障数据类别的故障失效模式。