[发明专利]一种故障预警方法及装置

权利要求书

1.一种故障预警方法，用于对风力发电机进行故障预警，其特征在于，所述方法包括：

获取所述风力发电机的多种历史正常运行数据和多种历史故障运行数据，所述多种历史正常运行数据和所述多种历史故障运行数据均包括SCADA信号、风机声音传感器信号及CMS振动监测信号，其中，CMS振动监测信号来源包括主轴、齿轮箱、发电机；

将所述多种历史正常运行数据和所述多种历史故障运行数据进行特征选取得到数据特征；

将所述数据特征进行模型训练得到训练模型；

将所述风力发电机的实时运行数据输入至所述训练模型得到预警信息，所述预警信息对应所述风力发电机发生故障的部件；

所述将所述多种历史正常运行数据和所述多种历史故障运行数据进行特征选取得到数据特征的步骤包括：

将多种历史正常运行数据和多种历史故障运行数据进行数据清洗，去除含有NAN值的多种历史正常运行数据或多种历史故障运行数据；

将剩余的多种历史正常运行数据和多种历史故障运行数据进行归一化处理得到第一处理数据；

使用PCA方法对第一处理数据进行降维处理，选取线性不相关的第二处理数据；

使用相关系数法评估每个第二处理数据与结果的相关性，将相关性最强的第二处理数据作为数据特征。

2.如权利要求1所述的故障预警方法，其特征在于，所述获取所述风力发电机的多种历史正常运行数据和多种历史故障运行数据的步骤包括：

从数据库中获取所述风力发电机的多种历史正常运行数据和多种历史故障运行数据；

所述将所述风力发电机的实时运行数据输入至所述训练模型得到预警信息的步骤之后，所述方法还包括：

将所述实时运行数据作为新的历史正常运行数据或新的历史故障运行数据存储到所述数据库中，以便对所述训练模型进行更新。

3.如权利要求1所述的故障预警方法，其特征在于，所述多种历史正常运行数据和所述多种历史故障运行数据按照预设比例获取。

4.如权利要求1所述的故障预警方法，其特征在于，所述将所述多种历史正常运行数据和所述多种历史故障运行数据进行特征选取得到数据特征的步骤包括：

按照特征工程的方法对所述多种历史正常运行数据和所述多种历史故障运行数据进行特征选取得到数据特征。

5.如权利要求1所述的故障预警方法，其特征在于，所述将所述数据特征进行模型训练得到训练模型的步骤包括：

根据机器学习方法将所述数据特征进行模型训练得到训练模型。

6.如权利要求1所述的故障预警方法，其特征在于，所述将所述数据特征进行模型训练得到训练模型的步骤包括：

根据深度学习方法将所述数据特征进行模型训练得到训练模型。

7.一种故障预警装置，用于对风力发电机进行故障预警，其特征在于，所述装置包括：

获取模块，用于获取所述风力发电机的多种历史正常运行数据和多种历史故障运行数据，所述多种历史正常运行数据和所述多种历史故障运行数据均包括SCADA信号、风机声音传感器信号及CMS振动监测信号，其中，CMS振动监测信号来源包括主轴、齿轮箱、发电机；

特征选取模块，用于将所述多种历史正常运行数据和所述多种历史故障运行数据进行特征选取得到数据特征；

所述特征选取模块具体用于：将多种历史正常运行数据和多种历史故障运行数据进行数据清洗，去除含有NAN值的多种历史正常运行数据或多种历史故障运行数据；将剩余的多种历史正常运行数据和多种历史故障运行数据进行归一化处理得到第一处理数据；使用PCA方法对第一处理数据进行降维处理，选取线性不相关的第二处理数据；使用相关系数法评估每个第二处理数据与结果的相关性，将相关性最强的第二处理数据作为数据特征；

模型训练模块，用于将所述数据特征进行模型训练得到训练模型；

预警模块，用于将所述风力发电机的实时运行数据输入至所述训练模型得到预警信息，所述预警信息对应所述风力发电机发生故障的部件。

8.如权利要求7所述的故障预警装置，其特征在于，所述获取模块，用于从数据库中获取所述风力发电机的多种历史正常运行数据和多种历史故障运行数据；

所述装置还包括：更新模块，用于将所述实时运行数据作为新的历史正常运行数据或新的历史故障运行数据存储到所述数据库中，以便对所述训练模型进行更新。