[发明专利]面向风电机组设备的故障诊断知识模型的构建方法

说明书

本发明公开了一种面向风电机组设备的故障诊断知识模型的构建方法，包括以下步骤：(1)建立风电机组故障诊断的顶层分类，构建包括不同的故障分析问题的故障体系；(2)针对所述故障体系中的某个具体问题，先建立一个因由链；(3)根据上述因由链中的具体知识节点，判断是否需要建立过程链或者资源链，如果需要则建立过程链或资源链。通过本发明，能够更加简便、快捷地将机组设备故障诊断中的显性知识和隐性知识进行集成化的表示。

技术领域

本发明涉及故障诊断领域，尤其是涉及一种面向风电机组设备的故障诊断知识模型的构建方法。

背景技术

风电是一种清洁的可再生能源，本世纪初期以来世界各国政府都大力提倡风能利用。中国具有丰富的风能资源，发展风电技术具有独特优势，过去10多年时间里风电机组装机容量不断提升。随着越来越多的风电机组不断安装投入运营，运行维护成为风电厂面临的重大难题。首先，风电机组通常安装在远郊或者山坡之上，机组非常分散且相隔较远。其次，风电机组主要设备都在几十米高的塔架之上，近距离监测调试都非常困难。再次，风电机组的运行工况通常都比较复杂，对于机组发电和运行状况的预测都非常困难。

在此背景下，许多风电厂已经开始投入用于状态监测和故障诊断的硬件设备和软件系统，从而对风机运维提供有效支持。现有的系统和方法侧重于通过实时监控重要指标参数对运行状态进行监测，故障诊断还主要依赖于专家完成，通过撰写报告提供故障诊断结果和方案。故障诊断是非常复杂的过程，高度依赖于专家的知识和经验，这些知识的高效捕捉和重用具有重要意义。现有技术如故障树分析或者根由分析法可以某种程度上支持故障的分类分析和故障根由推理，难以支持诊断知识的捕捉和重用。首先，尽管可以记录故障类型和原由，但不能有效地记录诊断过程知识。其次，无法将显性知识和隐性知识进行系统化的集成描述。再次，通过报告文档记录诊断知识也很难提高结构化的知识描述，信息粒度比较粗，不利于高效的重用。

本发明提出了一种面向风电机组设备的故障诊断知识模型的构建方法，从而更加简便、快捷地将机组设备故障诊断中的显性知识和隐性知识进行集成化的表示。相比现有技术，本发明解决了复杂诊断知识的模型描述，以此支持知识的捕捉、存储和重用。相比基于简单模型和撰写报告记录知识的方法，本发明具有如下的优良效果：第一，通过资源链、过程链和因由链将故障诊断中的不同知识片段进行高效综合，提供更为完整的知识信息，更加便于知识的理解和重用；第二，通过结构化的图形知识表示，实现细粒度的知识描述，便于知识的捕捉记录和重用；第三，通过过程链有效地捕捉和记录诊断过程知识；第四，通过资源链和因由链将显性的事实性知识(如测量数据和对参数的理解)和隐性知识(如分析原因的经验)进行高效组织；第五，通过知识元素之间的连接对于知识检索以及基于计算的智能知识推荐等方法提供更好的支持。

发明内容

为实现本发明之目的，采用以下技术方案予以实现：

一种面向风电机组设备的故障诊断知识模型的构建方法，其中包括以下步骤：

(1)建立风电机组故障诊断的顶层分类，构建包括不同的故障分析问题的故障体系；

(2)针对所述故障体系中的某个具体问题，先建立一个因由链；

(3)根据上述因由链，判断是否需要建立过程链或者资源链，如果需要则建立过程链或资源链。

所述的构建方法，其中：

在步骤(2)中，按如下方式建立因由链：创建一个因由链的顶层问题节点，针对该问题节点，创建一个答案节点；判断该答案节点是可以进行简单的描述进行肯定或推翻，还是需要建立详细的扩展知识链；如果需要扩展，则根据情况建立相应的过程链或者资源链。

所述的构建方法，其中：如果不需要扩展，则建立诊断该问题节点的肯定和/或否定因由节点，并填入相应信息。

所述的构建方法，其中：建立问题节点的过程持续迭代，直到可以判断已经找到故障原由并确认诊断过程可以结束。