[发明专利]一种检测风机组部件故障的方法、设备及存储介质

权利要求书

1.一种检测风机组部件故障的方法，其特征在于，所述方法包括：

获取风机SCADA系统中的历史风机故障监测数据，并对所述历史风机故障监测数据进行预处理，以生成待分析数据；

基于所述历史风机故障监测数据对应的故障类型，对所述待分析数据进行选取，以获得第一故障数据；其中，所述第一故障数据包含与所述故障类型相关性大于第一预设阈值的所有待分析数据；

对所述第一故障数据进行筛选，以获得第二故障数据；其中，所述第二故障数据为第一故障数据中对风机故障存在贡献的数据；

基于标注了故障类型的所述历史风机故障监测数据、所述第二故障数据对预设的故障识别网络进行训练，以获得故障识别模型；

在需要检测风机组部件故障的情况下，将所述风机SCADA系统获取的实时监测数据输入到所述故障识别模型中，确定故障识别结果，并根据所述故障识别结果进行告警。

2.根据权利要求1所述的一种检测风机组部件故障的方法，其特征在于，基于所述历史风机故障监测数据对应的故障类型，对所述待分析数据进行选取，以获得第一故障数据，具体包括：

确定历史风机故障发生的时间段，并确定在所述时间段内对应的待分析数据为相关监测数据；

基于所述故障类型，在所述相关监测数据中确定与所述故障类型具有相关性的若干个待分析数据；

确定所述若干个待分析数据与所述故障类型的相关性大小，并将与所述故障类型相关性大于第一预设阈值的所有待分析数据确定为第一故障数据。

3.根据权利要求1所述的一种检测风机组部件故障的方法，其特征在于，对所述第一故障数据进行筛选，以获得第二故障数据，具体包括：

通过主成分分析法，对所述第一故障数据进行风机故障贡献率计算，以确定所述第一故障数据中各数据的贡献率，并将贡献率大于第二预设阈值的数据确定为第三故障数据；其中，所述风机故障为所述风机故障历史监测数据对应的故障；

基于K均值聚类算法，对所述第三故障数据进行异常数据剔除，以获得第二故障数据。

4.根据权利要求3所述的一种检测风机组部件故障的方法，其特征在于，基于K均值聚类算法，对所述第三故障数据进行异常数据剔除，以获得第二故障数据，具体包括：

通过K均值聚类算法，对所述第三故障数据进行聚类，并确定对应的聚类评估指数；其中，所述聚类评估指数用于描述对所述第三故障数据的聚类效果；

确定所述聚类评估指数小于第三预设阈值的聚类类别中包含的第三故障数据为异常数据；

在所述第三故障数据中对所述异常数据进行剔除，以生成第二故障数据。

5.根据权利要求1所述的一种检测风机组部件故障的方法，其特征在于，基于标注了故障类型的所述历史风机故障监测数据、所述第二故障数据对预设的故障识别网络进行训练，以获得故障识别模型，具体包括：

构建故障识别网络；其中，所述故障识别网络包括数据处理子网络与故障识别子网络；

基于标注了故障类型的所述历史风机故障监测数据对所述数据处理子网络进行训练，以获得数据处理子模型；

基于所述第二故障数据对所述故障识别子网络进行训练，以获得故障识别子模型；

将所述数据处理子模型与所述故障识别子模型进行整合，以获得故障识别模型。

6.根据权利要求要求1所述的一种检测风机组部件故障的方法，其特征在于，所述方法还包括：

对所述历史风机故障监测数据进行故障等级标注，以使训练获得的所述故障识别模型，在进行故障预测时能够确定对应的故障等级。

7.根据权利要求要求6所述的一种检测风机组部件故障的方法，其特征在于，在确定故障识别结果之后，所述方法还包括：

确定所述故障识别结果中的包含的故障类型及对应的故障等级；

基于所述故障类型及对应的故障等级，确定预设的告警方式进行告警。

8.根据权利要求5所述的一种检测风机组部件故障的方法，其特征在于，所述故障识别子网络采用支持向量机算法。