[发明专利]风机发电率损失预测方法、系统、设备及介质

权利要求书

1.一种风机发电率损失预测方法，其特征在于，包括以下步骤：

S1：获取风机历史上的缺陷差异集合以及所述缺陷差异集合对应的发电率差异，其中，所述缺陷差异集合为各个时间阶段风机缺陷分布之间的变化差异，所述发电率差异为各个时间阶段风机发电率之间的变化差异；

S2：将所述缺陷差异集合与所述发电率差异作为训练集，输入至预设的网络模型中训练，获取发电率损失模型；

S3：获取风机当前的实际缺陷集合，并输入所述发电率损失模型，得到风机的发电率损失。

2.根据权利要求1所述的风机发电率损失预测方法，其特征在于，在所述步骤S1中，所述缺陷差异集合对应的发电率差异获取步骤包括：

获取风机各个时间阶段的运行数据，根据所述运行数据计算风机各个时间阶段的发电量所对应的发电率，以获取所述发电率差异，其中，所述运行数据包括风机风速、风机功率、风机转速。

3.根据权利要求1或2所述的风机发电率损失预测方法，其特征在于，所述步骤S1还包括：

剔除所述缺陷差异集合和所述发电率差异中的非缺陷影响因素，其中，所述非缺陷影响因素包括风力分布、老化程度。

4.根据权利要求3所述的风机发电率损失预测方法，其特征在于，所述剔除所述缺陷差异集合和所述发电率差异中的非缺陷影响因素进一步包括：

基于所述非缺陷影响因素对各个时间阶段风机缺陷分布、风机发电率进行横向比较，获取相同所述非缺陷影响因素下的所述缺陷差异集合和所述发电率差异。

5.根据权利要求1所述的风机发电率损失预测方法，其特征在于，所述缺陷差异集合中的缺陷参数包括位置、尺寸、层次、类型、级别。

6.根据权利要求1所述的风机发电率损失预测方法，其特征在于，在所述步骤S3之后，还包括步骤：

S4：根据所述发电率损失判断是否风机需进行维护：若所述发电率损失大于预设的维护阈值，则风机需进行维护，反之，则风机不需进行维护，其中，通过维护成本与发电率损失之间的平衡确定所述维护阈值。

7.根据权利要求1所述的风机发电率损失预测方法，其特征在于，在所述步骤S2中，所述网络模型为Mask R-CNN模型或者Faster R-CNN模型或者YOLO模型或者SDD模型。

8.一种风机发电率损失预测系统，其特征在于，包括：

数据获取模块，用于获取风机历史上的缺陷差异集合以及所述缺陷差异集合对应的发电率差异，其中，所述缺陷差异集合为各个时间阶段风机缺陷分布之间的变化差异，所述发电率差异为各个时间阶段风机发电率之间的变化差异；

模型训练模块，用于将所述缺陷差异集合与所述发电率差异作为训练集，输入至预设的网络模型中训练，获取发电率损失模型；

预测模块，用于获取风机当前的实际缺陷集合，并输入所述发电率损失模型，得到风机的发电率损失。

9.一种风机发电率损失预测设备，其特征在于，包括：

存储器和处理器，所述存储器中存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述处理器执行如权利要求1至7中任一项所述的风机发电率损失预测方法。

10.一种存储有计算机可读指令的存储介质，其特征在于，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行如权利要求1至7中任一项所述的风机发电率损失预测方法。