[发明专利]风电场故障预警方法、装置、计算机设备及介质

说明书

本申请涉及一种风电场故障预警方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：获取风电场的风机状态数据；根据所述风机状态数据，通过机器学习方式获取状态偏差量；若根据所述状态偏差量判定风机发生异常时，推送预警提示消息；根据判定风机发生异常时对应的状态偏差量，生成风机故障维修建议数据；推送所述风机故障维修建议数据。采用本方法能够提高预警准确度。

技术领域

本申请涉及故障预警技术领域，特别是涉及一种风电场故障预警方法、装置、计算机设备、存储介质和计算机程序产品。

背景技术

随着传感器技术、无线通讯技术、信息压缩算法、大数据、机器学习算法、移动通讯设备等技术的发展，传统的风电SCADA(Supervisory Control And Data Acquisition，数据采集与监视控制系统)系统已不能满足电力生产的需要。

传统的风电SCADA监控系统虽然可以对风力发电机实时监控，但是，无法做到故障的预警，没有搭载故障预警及专家诊断系统。

当复杂故障发生后，维护人员往往要往返现场几次，并且携带优盘用于拷贝数据，还要拍摄照片，上交给专家组，专家组通过专业诊断软件和数据分析后给出修复方案，再由维护人员进行故障修复，此方法的预警准确度较低。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高预警准确度的风电场故障预警方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

第一方面，本申请提供了一种风电场故障预警方法。所述方法包括：

获取风电场的风机状态数据；

根据所述风机状态数据，通过机器学习方式获取状态偏差量；

若根据所述状态偏差量判定风机发生异常时，推送预警提示消息；

根据判定风机发生异常时对应的状态偏差量，生成风机故障维修建议数据；

推送所述风机故障维修建议数据。

在其中一个实施例中，所述根据所述风机状态数据，通过机器学习方式获取状态偏差量包括：

根据所述风电场的风机状态数据，获取自身机组状态数据及相邻机组状态数据；

根据所述自身机组状态数据及所述相邻机组状态数据，通过机器学习方式获取基于相邻机组的状态偏差量。

在其中一个实施例中，所述根据所述风机状态数据，通过机器学习方式获取状态偏差量包括：

根据所述风电场的风机状态数据，获取历史记录中相同工况下不同时间的自身机组状态数据；

根据所述相同工况下不同时间的自身机组状态数据，通过机器学习方式获取自身机组状态偏差量。

在其中一个实施例中，所述根据所述风机状态数据，通过机器学习方式获取状态偏差量包括：

根据所述风电场的风机状态数据，获取自身机组状态数据、相邻机组状态数据、以及历史记录中相同工况下不同时间的自身机组状态数据；

根据所述自身机组状态数据及所述相邻机组状态数据，通过机器学习方式获取基于相邻机组的状态偏差量、并根据所述相同工况下不同时间的自身机组状态数据，通过机器学习方式获取自身机组状态偏差量；

归集所述基于相邻机组状态的偏差量及所述自身机组状态偏差量，获取风机的状态偏差量。

在其中一个实施例中，所述获取风电场的风机状态数据之前，还包括：

接收风电场SCADA系统发送的风机状态数据，所述风机状态数据由所述风电场SCADA系统采用预设毫秒级采样周期采集得到。