[发明专利]风力发电机状态监控方法与系统

说明书

一种风力发电机状态监控方法与系统。所述方法包括以下步骤：获取历史SCADA数据和对应于历史SCADA数据的风力发电机报告，其中历史SCADA数据包括风力发电机的操作数据，并且其中风力发电机报告包括：被诊断为正常或有缺陷状态的风力发电机的健康状况，以及如果风力发电机的健康状况被诊断为有缺陷状态时的具有相应故障详情的有缺陷部件；模型训练步骤：通过建立历史SCADA数据和风力发电机报告之间的关系，训练整体模型用于整体诊断风力发电机，并且基于历史SCADA数据和对应的风力发电机报告训练不同个体模型用于分析风力发电机的不同部件；整体诊断步骤：获取实时SCADA数据，输入实时SCADA数据至已训练的整体模型，从已训练的整体模型获得风力发电机的健康状况，以及如果已训练的整体模型判定风力发电机为有缺陷状态则执行个体诊断步骤；个体诊断步骤：输入实时SCADA数据至与有缺陷的部件对应的已训练的个体模型，以及从对应于有缺陷的部件的已训练的个体模型获得有缺陷的部件的故障详细信息。纯SCADA‑数据‑驱动技术使得所述方法能在节省附加的监控传感器的安装方面使风力发电机运营者受益，并且分层概念结构使得其在加速算法执行效率方面受益。

技术领域

本申请涉及风力发电机状态监控方法与系统。

背景技术

风能因为其丰富的资源、成熟的技术和零排放已经成为有希望取代传统的造成污染的火力发电的最受欢迎的再生能源。到2013年底，全球风力发电机安装已达到318GW。随着风场的快速增长，昂贵的O&M(运行和维护)费用和停机期间电力销售损失已发展成为越来越紧迫的问题。以2MW风力发电机为例，如KTH的硕士论文所估计，每年产生大约24.84万美元的损失，包括24.27万美元的O&M费用和0.57万美元的电力销售损失。

在这种环境下，市场渴望能开发一种状态监控系统(CMS)产品，其能在风力发电机发展成真正失效前实时检测风力发电机的缺陷，分析故障类型，并且定位有缺陷的部件。目前市场上带有此功能的可用的产品都是基于附加的传感器(例如振动、声学等)。这些侵入式传感器不仅大大地增加了资金成本，而且会造成风力发电机的再认证的问题，而这两者对于风场的运营者来说都是不希望的。

发明内容

相应地，本发明一方面提供一种风力发电机状态监控方法，包括如下步骤：

历史数据获取步骤：获取历史SCADA数据和对应于历史SCADA数据的风力发电机报告，其中历史SCADA数据包括风力发电机的操作数据，并且其中风力发电机报告包括：被诊断为正常或有缺陷状态的风力发电机的健康状况，以及如果风力发电机的健康状况被诊断为有缺陷状态时的具有对应的故障详细信息的有缺陷部件；

模型训练步骤：基于历史SCADA数据和对应的风力发电机报告，通过建立历史SCADA数据和风力发电机报告之间的关系，训练用于整体诊断风力发电机的整体模型并且训练用于分析风力发电机不同部件的不同个体模型；

整体诊断步骤：获取实时SCADA数据，输入实时SCADA数据至已训练的整体模型，从已训练的整体模型获得风力发电机的健康状况，以及如果已训练的整体模型判定风力发电机为有缺陷状态则执行个体诊断步骤；

个体诊断步骤：输入实时SCADA数据至对应于有缺陷部件的已训练的个体模型，以及从对应于有缺陷部件的已训练的个体模型获得有缺陷部件的故障详细信息。

优选地，历史数据获取步骤包括：

获取历史SCADA数据和对应于该历史SCADA数据的风力发电机报告，其中历史SCADA数据包括风力发电机的操作数据，并且其中该风力发电机报告包括：诊断为正常或者有缺陷状态的风力发电机的健康状况、以及如果风力发电机的健康状况诊断为有缺陷状态时带有对应故障详细信息的有缺陷部件；

验证该风力发电机报告以确定该历史SCADA数据中哪一数据部分是正常状态以及该历史SCADA数据中哪一数据部分是有缺陷状态。

优选地，该模型训练步骤包括：