[发明专利]一种风电机组故障自诊断方法和系统

说明书

本公开提供了一种风电机组故障自诊断方法和系统。该方法包括：获取风电机组的状态参数数据和第一预设时长内的运行参数数据；其中，运行参数数据包括至少一个待预测参数的真实测量值；确定风电机组所在的第一风电机组群；确定风电机组的第一工况类别；根据第一风电机组群和第一工况类别，确定第一风电机组群中第一工况类别对应的训练好的故障诊断模型；将运行参数数据输入至训练好的故障诊断模型，得到待预测参数的模型预测值；根据待预测参数的模型预测值和真实测量值，生成故障诊断结果。由此，提供一种全工况下，风电机组故障自诊断的方法，根据模型预测结果，提供相应的诊断策略，实现自诊断功能。

技术领域

本公开涉及能源技术领域，特别涉及一种风电机组齿轮箱的一种风电机组故障自诊断方法和系统。

背景技术

目前，随着能源短缺问题的加重，风能作为一种非常重要的清洁能源，将在未来的低碳时代中发挥不可替代的作用。风力发电具有可再生、环保等优点得到了越来越广泛的应用，而风电机组是风力发电的重要部件，可将风能转化为交流电能，是一种变工况运行的大型旋转设备。随着装机容量的不断攀升，如何降低风电机组的运维成本，增加发电收益越来越备受关注。

其中，在风电机组运维成本中，整机安全与关键部件失效耗费了巨大的运维成本。如何快速有效的对风电机组故障进行诊断为亟需解决的技术问题。

发明内容

本公开旨在至少在一定程度上解决上述技术中的技术问题之一。

为此，本公开的第一个目的在于提出一种风电机组故障自诊断方法，可实现全工况下，风电机组故障自诊断。

本公开的第二个目的在于提出一种风电机组故障自诊断系统。

本公开的第三个目的在于提出一种风电机组。

本公开的第四个目的在于提出一种电子设备。

本公开的第五个目的在于提出一种计算机可读存储介质。

本公开第一方面实施例提出了一种风电机组故障自诊断方法，包括：获取风电机组的状态参数数据和第一预设时长内的运行参数数据；其中，所述运行参数数据包括至少一个待预测参数的真实测量值；根据所述状态参数数据和所述运行参数数据，确定所述风电机组所在的第一风电机组群；根据所述运行参数数据和所述第一风电机组群，确定所述风电机组的第一工况类别；根据所述第一风电机组群和所述第一工况类别，确定所述第一风电机组群中所述第一工况类别对应的训练好的故障诊断模型；将所述运行参数数据输入至训练好的故障诊断模型，得到所述待预测参数的模型预测值；根据所述待预测参数的所述模型预测值和所述真实测量值，生成故障诊断结果。

在一些实施例中，所述根据所述状态参数数据和所述运行参数数据，确定所述风电机组所在的第一风电机组群，包括：获取多个样本风电机组的状态参数样本数据和第二预设时长内的运行参数样本数据；根据所述状态参数样本数据和所述运行参数样本数据，对多个所述样本风电机组进行聚类分析，划分为多个样本风电机组群；通过对比所述状态参数数据和所述运行参数数据与不同所述样本风电机组群的所述状态参数样本数据和所述运行参数样本数据，确定所述风电机组所在的第一风电机组群。

在一些实施例中，所述根据所述状态参数样本数据和所述运行参数样本数据，对多个所述样本风电机组进行聚类分析，划分为多个样本风电机组群，包括：对所述状态参数样本数据和所述运行参数样本数据进行特征量化处理，生成量化状态参数样本数据和量化运行参数样本数据；根据所述量化状态参数样本数据和所述量化运行参数样本数据，基于聚类分析算法，进行聚类分析，得到分类结果；根据所述分类结果，将多个所述样本风电机组划分为多个所述样本风电机组群。