[发明专利]一种风电机组变桨系统的故障预警方法及系统

说明书

本发明提供了一种风电机组变桨系统的故障预警方法及系统，其方法包括步骤：预处理监视控制系统中的故障数据；基于故障数据，建立故障样本集；扫描故障样本集，确定FP‑Tree‑0频繁模式树；利用FP‑Tree‑0频繁模式树，挖掘故障代码；基于故障代码，确定故障发生模式，实现故障预警。本发明提供的技术方案在不额外增加成本的前提下，通过机器学习方法中关联规则挖掘的相关算法，确定SCADA故障信息与实际故障发生之间的关联关系，根据所得故障发生模式对变桨系统即将发生的故障进行预警。

技术领域

本发明涉及风电机组变桨系统，具体涉及一种风电机组变桨系统的故障预警方法及系统。

背景技术

变桨系统是风力发电机组中控制算法复杂、设备故障率较高的子系统。当风电机组正常运行时，监视控制与数据采集(supervisory control and data acquisition，SCADA)系统会周期性的采集和存储变桨系统提供的参数数据，当风电机组出现故障停机时，SCADA系统会显示出具体的故障信息。

但是，SCADA数据故障代码往往过于琐碎抽象不具备可读性，另外，仅通过人工经验无法找到故障代码与风电机组变桨系统实际故障之间的关系，无法实现迅速定位故障类别的目的，更无法利用预警信息确认检修方式或及时有效地恢复生产。此外，如果能够根据具体故障信息，同时参考变桨系统参数的异常变化，提前预警故障，对于提升机组可利用率及机组发电性能有着积极重要的意义。

申请号：CN201510176577.2，公开日期：2015.07.29，名称为一种风电机组变桨系统的故障预警方法及系统中国专利披露了一种风电机组变桨系统的故障预警方法，其通过采集各个风电场中风力发电机组的实时运行参数、温度数据，从采集的数据中读取风电机组变桨系统相关联的运行数据，经过数据预处理，将包括数据有效性判断在内的数据进行归一化处理，随后进行特征提取，最终构造预警算法模型。

上述专利全部依赖机器学习算法对现有数据进行信息提取，无法将已知的实际经验和风电机组的物理特性知识融入其中。另外，在预警方式上过于简单，该发明用预测数据和当前数据的偏差值作为参考，没有考虑突发影响和其他参数作用下的正常温度变化，未考虑超阈值报警率的问题，容易造成较高的误报频率。

因此，需要提出一种新的风电机组变桨系统故障预警方法，来弥补现有技术的不足。

发明内容

鉴于现有技术的SCADA数据故障代码往往过于琐碎抽象不具备可读性，另外，仅通过人工经验无法找到故障代码与风电机组变桨系统实际故障之间的关系，无法实现迅速定位故障类别的目的，更无法利用预警信息确认检修方式或及时有效地恢复生产，为解决上述技术问题，本发明提供一种风电机组变桨系统的故障预警方法，还提供一种风电机组变桨系统的故障预警系统。

本发明提供一种风电机组变桨系统的故障预警方法，其方法包括步骤：A、预处理监视控制系统中的故障数据；B、基于故障数据，建立故障样本集；C、扫描故障样本集，确定FP-Tree-0频繁模式树；D、利用FP-Tree-0频繁模式树，挖掘故障代码；E、基于故障代码，确定故障发生模式，实现故障预警。

进一步，步骤B包括：根据原始数据和故障数据构建的故障代码数据库确定所述故障样本集。

进一步，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FP-Tree-0频繁模式树。

进一步，步骤D包括；以频繁模式树的叶子节点为中心，利用Apriori算法挖掘故障代码。