[发明专利]一种风电机组温度故障的自适应预警策略设计方法

权利要求书

1.一种风电机组温度故障的自适应预警策略设计方法，其特征在于，包括以下步骤：

1)选取待进行温度故障预警的风电机组关键组件，采集数据采集与监视控制(SCADA)系统中该组件温度测点所测温度变量作为目标变量y，与组件温度相关的参数X作为相关变量，选取机组正常运行状态下N条运行数据，构造训练集

2)离线训练阶段，基于正常行为建模，选取变量估计模型，并输入所构造的训练集进行训练，从而对目标变量进行实时估计，并计算训练集中目标变量实际运行值和模型估计值的残差序列；

3)基于训练集残差序列，获取残差序列的均值μ_train和标准差σ_train作为统计指标，并进行多阈值设置，训练集残差序列均值μ_train加减k倍标准差σ_train作为残差阈值的上下限，其中上限U(k)＝μ_train+kσ_train，下限L(k)＝μ_train-kσ_train；

4)结合不同的异常特性设计不同的预警判别准则，判别准则设计为连续超限判别准则结合百分比超限判别准则，连续超限是指数据点连续超过阈值，对应引起连续异常状态的异常特性，百分比超限是指数据点在一天时间范围内超过阈值的个数与一天之内所有数据点的百分比，对应引起数据剧烈波动的异常特性；

5)计算训练集中表征正常波动情况的超限程度指标，包括连续超限程度指标，即在某k值下训练集中出现的最大连续超限数值Max_suc(k)，以及百分比超限程度指标，即在训练集中出现的最大百分比超限数值Max_ratio(k)％；不同k值对应不同的阈值，也对应不同的超限程度指标；

6)在线应用阶段，获取在线实时运行数据点d，根据离线阶段训练完成的变量估计模型，得到当前运行数据点实际值减去模型估计值的估计残差值r_d；

7)基于训练集残差序列的超限程度指标，在不同k值下进行在线应用时的判别准则阈值参数范围设置，包括连续超限判别准则阈值参数范围及百分比超限判别准则阈值参数范围；

8)选取k的一个取值，确定阈值上下限U(k)及L(k)，如果该实时数据点d的残差值r_d大于阈值上限U(k)或小于阈值下限L(k)时，判定为超限，执行步骤9)与步骤10)，如果该实时数据点d的残差值r_d处于阈值上限U(k)与阈值下限L(k)之间，执行步骤11)；

9)计算实时数据点d之前超限，即大于阈值上限或小于阈值下限的连续个数c1_d(k)，连续超限判别准则的阈值参数范围内的所有数值S_p(k),p＝1,2,...,N_s(k)依次作为阈值参数与c1_d(k)进行比较，其中N_s(k)为该k下连续超限判别准则阈值参数范围内的数值个数，满足条件c1_d(k)≥S_p(k)时，输出判断结果1，不满足条件时判断结果为0，最终在该k值下得到连续超限判别准则下的判断结果0-1序列，序列长度为N_s(k)；

10)计算实时数据点d前一天范围内超限的百分比c2_d(k)，百分比超限判别准则的阈值参数范围内的所有数值R_q(k),q＝1,2,...,N_r(k)依次作为阈值参数与c2_d(k)进行比较，其中N_r(k)为该k下百分比超限判别准则阈值参数范围内的数值个数，当满足条件100c2_d(k)≥R_q(k)时，输出判断结果1，不满足条件时判断结果为0，最终在该k值下得到百分比超限判别准则下的判断结果0-1序列，序列长度为N_r(k)；

11)输出全部为0的判断结果序列，序列长度为N_s(k)+N_r(k)；

12)k取其他值时，重复步骤8-11)，对于实时数据点d，每个k值下得到总长度为N_s(k)+N_r(k)的判断结果序列，最终综合所有k值下的判断结果序列，每个判断结果相互独立，基于所有判断结果，设计投票机制，判断在实时数据点d处是否给出报警。