[发明专利]一种风电机组变桨系统的故障预警方法及系统在审
申请号: | 201710376528.2 | 申请日: | 2017-05-25 |
公开(公告)号: | CN108953071A | 公开(公告)日: | 2018-12-07 |
发明(设计)人: | 王文卓;马晓晶;王瑞明;李少林;薛扬;孙勇;陈晨;于雪松 | 申请(专利权)人: | 中国电力科学研究院;国家电网公司;中电赛普检验认证(北京)有限公司;国网山东省电力公司 |
主分类号: | F03D17/00 | 分类号: | F03D17/00;F03D7/00;G06K9/62 |
代理公司: | 北京安博达知识产权代理有限公司 11271 | 代理人: | 徐国文 |
地址: | 100192 北*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 变桨系统 故障预警 故障发生模式 风电机组 故障代码 故障数据 频繁模式 预处理 关联规则挖掘 监视控制系统 故障发生 故障信息 故障样本 关联关系 机器学习 扫描故障 样本集 算法 预警 挖掘 | ||
1.一种风电机组变桨系统的故障预警方法,其特征在于,包括如下步骤:
A、预处理监视控制系统中的故障数据;
B、基于所述故障数据,建立故障样本集;
C、扫描所述故障样本集,确定FP-Tree-0频繁模式树;
D、利用所述FP-Tree-0频繁模式树,挖掘故障代码;
E、基于所述故障代码,确定故障发生模式,实现故障预警。
2.根据权利要求1所述的故障预警方法,其特征在于,所述步骤B包括:根据原始数据和所述故障数据构建的故障代码数据库确定所述故障样本集。
3.根据权利要求1所述的故障预警方法,其特征在于,所述步骤C包括:
C1、基于采样频率和故障的发生频率,设定最小支持度和最小可信度;
C2、扫描所述故障样本集,得到降序排列的频繁项集;
C3、定义根节点,依次扫描所述频繁项集,构造频繁模式树;
C4、对所述频繁模式树自下而上挖掘频繁项,构建具有挖掘价值的叶子节点的条件模式基;
C5、确定设有共同根节点和具有挖掘价值的叶子节点的所述FP-Tree-0频繁模式树。
4.根据权利要求1所述的故障预警方法,其特征在于,所述步骤D包括;
以所述FP-Tree-0频繁模式树的叶子节点为中心,利用Apriori算法挖掘故障代码。
5.根据权利要求4所述的故障预警方法,其特征在于,所述利用Apriori算法挖掘故障代码,进一步包括如下步骤:
提取所述挖掘故障代码对应时刻的关键参数,对所述关键参数进行数据预处理,将数值型数据转化为布尔类型;
利用Apriori算法逐层搜索迭代故障代码。
6.根据权利要求5所述的故障预警方法,其特征在于,所述关键参数包括:风电机组SCADA变桨系统的故障代码列表及其释义、历史数据、维护及维修记录。
7.根据权利要求1所述的故障预警方法,其特征在于,所步骤E包括:根据实时故障代码发生规律和故障发生规则,确定故障发生模式,实现故障预警。
8.一种风电机组变桨系统的故障预警系统,其特征在于,所述故障预警系统包括:
预处理模块,预处理监视控制系统中的故障数据;
故障样本集模块,基于所述故障数据,建立故障样本集;
频繁模式树模块,扫描所述故障样本集,确定FP-Tree-0频繁模式树;
挖掘模块,利用所述FP-Tree-0频繁模式树,挖掘故障代码;
执行模块,基于所述故障代码,确定故障发生模式,实现故障预警。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国电力科学研究院;国家电网公司;中电赛普检验认证(北京)有限公司;国网山东省电力公司,未经中国电力科学研究院;国家电网公司;中电赛普检验认证(北京)有限公司;国网山东省电力公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201710376528.2/1.html,转载请声明来源钻瓜专利网。