[发明专利]一种基于大数据的风电机组故障监测预警方法及系统

权利要求书

1.一种基于大数据的风电机组故障监测预警方法，其特征在于，所述方法包括：

从大数据平台获取风电机组数据库，其中所述风电机组数据库包括机组监测数据、故障记录信息；

基于所述故障记录信息，构建故障知识图谱；

根据所述故障知识图谱中各故障的关联影响数据进行分析，确定故障影响因子；

根据所述故障影响因子，对大数据平台进行数据类型标识，基于数据类型标识进行数据自动获取；

根据所述故障知识图谱、所述机组监测数据，进行各故障预警模型确定，构建故障预警树；

将从所述大数据平台获取的故障影响因子标识数据输入故障预警树中，进行各故障分析预警，输出故障预警信息。

2.如权利要求1所述的方法，其特征在于，基于所述故障记录信息，构建故障知识图谱，包括：

根据所述故障记录信息，进行故障元件分析，确定故障元件类型信息；

基于所述故障元件类型信息，根据所述故障记录信息，进行故障风险程度分析，确定故障风险度；

根据所述故障风险度，对所述故障元件类型信息进行分类，确定故障风险度分类信息；

根据所述故障风险度分类信息，获得各故障的图谱位置等级；

基于各故障的图谱位置等级，对各故障的影响数据进行分析提取，确定各故障影响信息；

基于所述各故障影响信息将各故障的图谱位置等级中的关联故障进行连接，构建所述故障知识图谱。

3.如权利要求2所述的方法，其特征在于，所述方法还包括：

根据所述故障记录信息，对各故障进行趋势周期分析，确定各故障类型趋势周期信息；

根据所述各故障类型趋势周期信息，确定各周期风险度；

基于所述各周期风险度，建立周期风险图谱位置；

将所述周期风险图谱位置嵌入至所述各故障的图谱位置等级中。

4.如权利要求1所述的方法，其特征在于，根据所述故障知识图谱、所述机组监测数据，进行各故障预警模型确定，包括：

根据所述故障知识图谱，提取预设风险度的故障信息，所述预设风险度的故障信息包括多个风电机组故障；

依次将多个风电机组故障作为顶上事件，分析故障因子；

基于故障因子、所述机组监测数据，对故障对应类型进行事故最小分割，确定最小分割集；

根据所述最小分割集与风电机组故障的关联关系，确定故障预警结果。

5.如权利要求4所述的方法，其特征在于，所述构建故障预警树，包括：

根据所述故障知识图谱，确定多个风电机组故障的图谱位置；

基于图谱位置，将各风电机组故障的故障预警模型进行关系连接，构建所述故障预警树。

6.如权利要求1所述的方法，其特征在于，将从所述大数据平台获取的故障影响因子标识数据输入故障预警树中，进行各故障分析预警，输出故障预警信息，包括：

将故障影响因子标识数据输入所述故障预警树中，对各故障进行预警，获得各图谱节点预警信息；

判断所述各图谱节点预警信息是否满足预设要求；

当满足时，发送故障预警信息；

当不满足时，根据故障知识图谱中各节点故障的风险度，确定故障风险权重；

基于所述故障知识图谱中故障关联关系、故障风险权重进行计算，获得综合预警信息，根据所述综合预警信息确定所述故障预警信息。

7.如权利要求4所述的方法，其特征在于，所述方法还包括：

获得最小分割故障信息、故障区域定位信息；

基于所述最小分割故障信息、故障区域定位信息进行区域范围工单匹配，确定匹配工单信息；

根据所述匹配工单信息，获得工单处理计划信息；

判断所述工单处理计划信息是否满足处理要求，所述处理要求包括影响度信息、时效信息；

当影响度信息、时效信息均满足时，生成处理工单信息。

8.一种基于大数据的风电机组故障监测预警系统，其特征在于，所述系统包括：

信息获取模块，所述信息获取模块用于从大数据平台获取风电机组数据库，其中所述风电机组数据库包括机组监测数据、故障记录信息；

图谱构建模块，所述图谱构建模块用于基于所述故障记录信息，构建故障知识图谱；

影响因子确定模块，所述影响因子确定模块用于根据所述故障知识图谱中各故障的关联影响数据进行分析，确定故障影响因子；

数据标识模块，所述数据标识模块用于根据所述故障影响因子，对大数据平台进行数据类型标识，基于数据类型标识进行数据自动获取；

预警树构建模块，所述预警树构建模块用于根据所述故障知识图谱、所述机组监测数据，进行各故障预警模型确定，构建故障预警树；

故障预警模块，所述故障预警模块用于将从所述大数据平台获取的故障影响因子标识数据输入故障预警树中，进行各故障分析预警，输出故障预警信息。