[发明专利]一种基于数据挖掘的储能电站关键设备故障诊断预警方法

权利要求书

1.一种基于数据挖掘的储能电站关键设备故障诊断预警方法，其特征在于：包括以下步骤：S01、根据历史数据建立诊断预警规则库，并针对各类规则建立响应的运维建议库；S02、对一段时间内的异常信号进行采集与处理，并与规则库进行模糊匹配，匹配成功则发出故障诊断预警信息，否则只针对该异常状态进行告警；S03、若系统发出诊断预警信息，则根据步骤S02推出的不同故障类型给出相应的运维建议。

2.根据权利要求1所述的基于数据挖掘的储能电站关键设备故障诊断预警方法，其特征在于：步骤S01建立诊断故障规则库和运维建议库的过程为：S11、根据工程经验，从原始储能电站运维参数中，初步筛选出可能导致设备故障出现的影响参数，然后从历史数据库中选取包含完整周期内的相应影响参数数据并进行预处理；S12、根据历史数据分析初步筛选出的影响参数与故障的相关性，确定相关性满足要求的参数作为主要影响因素；S13）、将主要影响因素的历史数据根据设定的阈值进行离散化，采用数据挖掘算法建立设备故障诊断预警规则库；S14）、根据规则库中的不同规则对应的故障类型制定运维建议，并建立运维建议库。

3.根据权利要求2所述的基于数据挖掘的储能电站关键设备故障诊断预警方法，其特征在于：采用K-近邻互信息算法分析某个参数与故障的相关性，具体做法是：首先设定相关性阈值θ，然后利用K-近邻互信息算法计算某个与故障之间的互信息MI，比较相关性阈值θ与互信息MI，若MI＜θ，则舍弃此参数，反之记录此参数。

4.根据权利要求2所述的基于数据挖掘的储能电站关键设备故障诊断预警方法，其特征在于：采用Apriori关联规则算法确定与故障相关的一组影响参数，从而建立设备故障诊断预警规则库，具体做法为：a、设置最小支持度和最小置信度；b、扫描离散化后的主要影响因素的历史数据，找出所有满足最小支持度的项，称为频繁1项集；c、以频繁1项集为基础，扫描离散化后的主要影响因素的历史数据，找到频繁2项集，循环此过程直到没有新的频繁k+1项集，k为主要影响因素的种类数；d、计算各频繁项集之间的置信度是否满足不小于最小置信度，确定强关联。

5.根据权利要求4所述的基于数据挖掘的储能电站关键设备故障诊断预警方法，其特征在于：在频繁k项集生成频繁k+1项集的过程中采用连接步和剪枝步提高效率，连接步是为找出频繁k+1项集集合L_k+1，将L_k中频繁k项集连接产生候选集C_k+1，为确保产生项集不相关，当且仅当2个频繁k项集排序后的前k-1项相同方可连接；剪枝步是为了找出C_k+1满足最小支持度的项集，直接扫描离散化后的主要影响因素的历史数据计算每个项集的支持度，当C_k+1大于设定阈值时，采用先验知识压缩C_k+1。

6.根据权利要求1所述的基于数据挖掘的储能电站关键设备故障诊断预警方法，其特征在于：步骤S02具体为：S21、采集步骤S01中筛选出的参数的实时数据，若出现异常信号，则记录该信号数据；S22、从S21中采集到第一个数据开始计时，统计一段时间内出现的异常信号，并记录这些异常信号的数据；S23、将步骤S21和S22中记录下来的数据根据设定的阈值进行离散化处理，将处理后的参数实时数据与诊断预警规则库模糊匹配；S24、匹配成功则发出针对不同故障类型和级别的诊断预警信息，否则只通过振动对该异常状态进行告警。

7.根据权利要求1所述的基于数据挖掘的储能电站关键设备故障诊断预警方法，其特征在于：步骤S03包括2个步骤，具体为：S31、若步骤S02匹配成功，发出诊断预警信息的同时，根据不同故障类型在运维库中精准匹配相应运维建议；S32、将S31中匹配的运维建议通过画面进行推送。