[发明专利]一种风机集群故障预测方法及系统

说明书

本发明公开了一种风机集群故障预测方法及系统，其中，方法包括：收集待预测风机的基础信息；筛选出需要进行故障预测的预测风机集；划分不同的故障预测等级，基于对应的预测周期进行故障预测；将预测风机集中的风机划分为预测风机子集；基于风机型号选择代表风机；获得与风机发生故障的主要环境条件；构建单位时间段内风机参数变化预测模型，预测代表风机单位时间后的参数及主要环境条件；不断更新代表风机当前的参数及主要环境条件，直到完成代表风机预设时间段内的参数预测；判断风机是否会出现故障及故障出现的时间。本发明实现对大量风机的故障预测，不断更新环境条件进行独立预测，处理成本低、效率高、预测精度高。

技术领域

本发明涉及故障预测领域，具体涉及一种风机集群故障预测方法及系统。

背景技术

随着运转时间的加长，风机内粉尘会不均匀的附着在叶轮上，逐渐破坏风机的动平衡，使轴承振动逐渐加大，一旦振动达到风机允许的最大值时，风机必须停机修理。每年风机故障损失的发电量和故障导致的维护费用都给风电场带来巨大的经济损失。风机通常运行在野外等自然条件下，进行维护的成本较高。因此，对风机的故障提前进行预测可以有效地提前获知风机可能发生的故障，从而可以提取采取措施来避免故障的发生

公开号为CN 108446783A的发明专利申请公开了一种新风机运行功率的预测及监控方法，首先是服务器采集新风机相关数据；建立一个SVM预测模型，得到新风机运行功率SVM预测模型。其次应用该SVM预测模型预测新风机历史数据，计算新风机运行功率预测值与实际值之间的误差。然后计算得出马尔可夫模型；应用该SVM预测模型预测新风机未来运行功率，使用马尔可夫模型修正SVM预测模型初步预测值，得到最终结果；最后将预测模型部署到服务器上，服务器每小时将新风机运行功率实际值和预测值进行对比，当对比值大于150%时，服务器推送提醒信息至用户手机APP上。

上述申请虽然能对风机的故障进行预测，但是风机的数量众多，对所有监测范围内的风机都采用相同的方式进行故障预测处理花销大。且现有的基于环境条件对风机故障进行预测的方案中，都是训练生成环境条件与风机状态间的关系模型，根据环境条件预测风机的状态参数。然而，风机状态不仅与当前的环境条件有关，还与长期所处的环境有关，因此，基于当前环境条件确定风机状态准确率低。因此，如何针对大量的风机实现高精度的故障预测，是本领域亟待解决的问题。

发明内容

本发明的目的是针对现有技术的缺陷，提供了一种风机集群故障预测方法及系统。本发明实现对大量风机的故障预测，通过将风机划分为不同的故障预测等级进行不同周期的故障预测，提高了风机的预测效率。不断更新环境条件提高基于环境条件进行故障预测的准确性。

为了实现以上目的，本发明采用以下技术方案：

一种风机集群故障预测方法，包括：

S1、收集待预测风机的基础信息，包括使用年限、已使用时长；

S2、基于所述基础信息对待预测风机进行筛选，筛选出需要进行故障预测的风机组成预测风机集；

S3、将所述预测风机集中的风机基于所述基础信息划分为不同的故障预测等级，风机基于所述故障预测等级对应的预测周期进行故障预测；

S4、基于风机所处的环境条件将所述预测风机集中的风机划分为预测风机子集；

S5、基于预测风机子集中风机的型号为每个所述预测风机子集选择代表风机；

S6、对环境条件进行筛选，获得与风机发生故障的主要环境条件；

S7、采集历史风机主要环境条件及对应的风机参数，构建单位时间段内风机参数变化预测模型；

S8、采集所述代表风机当前的参数及所处的主要环境条件，基于所述单位时间段内风机参数变化预测模型预测代表风机单位时间后的参数；预测代表风机单位时间后的主要环境条件；