[发明专利]风电机组的故障预测方法、装置及电子设备

权利要求书

1.一种风电机组的故障预测方法，包括：

选取风电机组对应的至少一个待预测部件；

针对每个所述待预测部件，分别对所述待预测部件进行至少一轮事件划分，以获取至少一个分级待预测事件；

获取每个所述分级待预测事件发生故障的第一概率，并根据所述第一概率，获取对应的所述待预测部件发生故障的第二概率；

根据所述第二概率，确定所述风电机组发生故障的第三概率，并根据所述第三概率对所述风电机组进行故障预测。

2.根据权利要求1所述的预测方法，其中，所述针对每个所述待预测部件，分别对所述待预测部件进行至少一轮事件划分，以获取至少一个分级待预测事件，包括：

获取针对所述待预测部件的至少一个初始待预测事件；

从所述初始待预测事件起，针对任一当前事件划分轮次，对上一轮次的划分结果进行事件划分，并将所述当前事件划分轮次的划分结果和所述初始待预测事件作为所述分级待预测事件。

3.根据权利要求1或2所述的预测方法，其中，所述获取每个所述分级待预测事件发生故障的第一概率，包括：

获取预设时长以及每个所述分级待预测事件在所述预设时长内发生故障的预测时长；

获取所述目标时长与所述预设时长的比值，并将所述比值作为所述第一概率。

4.根据权利要求3所述的预测方法，其中，所述获取每个所述分级待预测事件在所述预设时长内发生故障的预测时长，包括：

获取每个所述分级待预测事件对应的第一运行参数；

将每个所述第一运行参数分别输入至对应的正常行为预测模型中，输出所述分级待预测事件对应的第二运行参数预测值，并根据所述第二运行参数预测值获取预测残差；

响应于所述预测残差大于或者等于预设残差阈值，则获取所述正常行为预测模型对应的时间步长，并根据所述时间步长和所述第二运行参数预测值获取所述预测时长。

5.根据权利要求3所述的预测方法，其中，还包括：

按序将所有的所述分级待预测事件以及对应的第一运行参数均输入至同一个正常行为模型中，以按序输出每个所述分级待预测事件对应的第二运行参数预测值。

6.根据权利要求1所述的预测方法，其中，还包括：

获取第一权重并根据所述第一权重，对属于同一个所述待预测部件的所有的所述第一概率进行加权处理，并将加权结果作为所述第二概率；

获取第二权重并根据所述第二权重，对所有的所述第二概率进行加权处理，并将加权结果作为所述第三概率。

7.一种正常行为预测模型的训练方法，包括：

获取风电机组对应的任一待预测部件的任一样本分级待预测事件，并获取所述样本分级待预测事件对应的第一运行参数样本值，其中，所述样本分级待预测事件包括已标注的第二运行参数样本值；

将所述第一运行参数样本值输入至对应的初始正常行为预测模型，并由所述初始正常行为预测模型输出所述样本分级待预测事件对应的第二运行参数训练值；

根据所述第二运行参数训练值和所述第二运行参数样本值，获取训练残差，并根据所述训练残差调整所述初始正常行为预测模型的模型参数，直至满足训练结束条件得到目标正常行为预测模型。

8.根据权利要求7所述的训练方法，其中，所述获取所述样本分级待预测事件对应的第一运行参数样本值，包括：

获取预设采集时长，并按照所述预设采集时长获取所述样本分级待预测事件对应的中间第一运行参数样本值；

对所述中间第一运行参数样本值进行预处理，以获取所述第一运行参数样本值。