[发明专利]一种风电故障预警预测的方法

权利要求书

1.一种风电故障预警预测的方法，其特征在于，包括：

通过多方面对风电数据进行特征构建，并进行特征的并行快速化计算提取；

基于提取到的特征，对风电数据进行处理，得到高信息丰富度的且具备可解释性的预警预测数据；

根据所述预警预测数据，对风电运行进行故障预警预测；

其中，所述通过多方面对风电数据进行特征构建，包括：

结合实际操作人员对风电故障的业务理解进行特征构建；

根据风电数据的时序性特点进行统计上的特征构建；以及

对探索得到的与实际故障业务贴合的特征数据进行特征构建；

其中，

所述结合实际操作人员对风电故障的业务理解进行特征构建，包括：从以下三个方面中的至少一个方面进行特征构建：

从视在功率和功角方面；

从温度异常变化角度对温度波动性进行量化方面；以及

从偏航角度的设定值与实际值的变动方面；

其中，

所述对探索得到的与实际故障业务贴合的特征数据进行特征构建，包括：

对探索得到的与实际故障业务贴合的变频器出入口温差特点和/或温度的特点分位数进行特征构建；

其中，所述根据风电数据的时序性特点进行统计上的特征构建，包括：

通过傅里叶变换、自相关系数和线性趋势中的至少一项，对风电数据进行统计上的特征构建；

其中，所述基于提取到的特征，对风电数据进行处理，得到高信息丰富度的且具备可解释性的预警预测数据，包括：

基于风电数据的先验知识对风电数据进行特征分类，并进行分类别的数据降维处理，且使降维处理后的数据对处理前的原数据中的方差的解释程度不低于90％；

针对降维处理后的数据，利用LightGBM模型，进行特征重要性量化处理。

2.根据权利要求1所述的方法，其特征在于，所述通过多方面对风电数据进行特征构建之前，所述方法还包括：

基于风电数据的时序性特点，将原始风电数据转换为预设时间级的风电数据，并转换成特定的格式，以便于特征提取。

3.根据权利要求1所述的方法，其特征在于，所述数据降维处理的方法采用PCA降维方法。

4.根据权利要求1或3所述的方法，其特征在于，所述基于风电数据的先验知识对风电数据进行特征分类之前，所述方法还包括：

根据预设需求定制选取需要的风电数据，对定制选取的风电数据进行特征优化处理。

5.根据权利要求1所述的方法，其特征在于，所述根据所述预警预测数据，对风电运行进行故障预警预测，包括：

根据风电故障预警预测结果，对故障预测精度进行评估；以及

根据所述预警预测数据，对预设典型事件进行预警预测。