本發(fā)明涉及一種風(fēng)力發(fā)電機(jī)組變槳蓄電池異常故障預(yù)測方法。

背景技術(shù)：

隨著風(fēng)電機(jī)組運(yùn)行時間的延長，變槳蓄電池異常故障數(shù)量大幅度增長。變槳蓄電池出現(xiàn)故障或缺少針對性的維護(hù)都會增加機(jī)組停止運(yùn)行的時間，造成發(fā)電量的損失。

大多數(shù)變槳蓄電池檢測方法主要是從增加蓄電池測量裝置，信號處理單元等方法來檢測蓄電池，可以得到準(zhǔn)確的檢測數(shù)據(jù)，但需要費(fèi)用購買專用設(shè)備，甚至需要更改變槳蓄電池的柜體結(jié)構(gòu)。

目前的一種檢測方法通過系統(tǒng)操作平臺調(diào)節(jié)模擬的風(fēng)力發(fā)電機(jī)組槳葉，觸發(fā)緊急順槳命令，記錄順槳數(shù)據(jù)，然后用順槳數(shù)據(jù)分析蓄電池性能，并與蓄電池標(biāo)準(zhǔn)參數(shù)做對比，從而檢測出性能下降的蓄電池。這種方法依據(jù)模擬測試的順槳數(shù)據(jù)，而得出蓄電池的性能評價，忽略了蓄電池是風(fēng)電機(jī)組的一部分，它的性能不只受自身順槳運(yùn)行的影響，也會受到機(jī)組運(yùn)行狀態(tài)的影響，另外，模擬測試機(jī)組的緊急順槳并不能完全等同于實(shí)際機(jī)組的緊急順槳，同樣，模擬記錄的順槳數(shù)據(jù)也不能全面準(zhǔn)確的包含蓄電池的性能信息。

以往的方法雖能檢測出性能下降的蓄電池，但卻無法判斷蓄電池性能下降的原因，也不能提前預(yù)測蓄電池的異常，使維護(hù)和更換工作變得滯后且沒有針對性，增加人力物力的成本。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的是克服現(xiàn)有技術(shù)的缺點(diǎn)，提出一種風(fēng)力發(fā)電機(jī)組變槳蓄電池異常故障預(yù)測方法。本發(fā)明可推斷出變槳蓄電池性能下降的原因，且能防范于未然，提前預(yù)測蓄電池的異常，從而降低變槳蓄電池的異常故障率，減少機(jī)組因蓄電池異常故障停機(jī)造成的效益損失。

本發(fā)明對變槳蓄電池異常故障數(shù)據(jù)和同時刻可導(dǎo)致變槳蓄電池異常故障的相關(guān)變量數(shù)據(jù)進(jìn)行處理，從處理后的數(shù)據(jù)中挖掘出變槳蓄電池異常故障的隱藏信息，用隱藏信息與處理后數(shù)據(jù)的相似性構(gòu)造異常故障分類器模型，然后使用分類器對實(shí)時數(shù)據(jù)及隱藏信息進(jìn)行分類，并將分類結(jié)果、實(shí)時數(shù)據(jù)及隱藏信息與異常故障案例庫中的數(shù)據(jù)進(jìn)行相似度比較，以相似度高低來預(yù)測變槳蓄電池異常故障。同時，通過實(shí)際結(jié)果完善異常故障案例庫，或修正異常故障分類器模型。

具體步驟如下：

首先，對變槳蓄電池異常故障數(shù)據(jù)和同時刻可導(dǎo)致變槳蓄電池異常故障的相關(guān)變量數(shù)據(jù)進(jìn)行處理，剔除因檢測系統(tǒng)引起的異常數(shù)據(jù)和孤立點(diǎn)數(shù)據(jù)。從處理后的數(shù)據(jù)中挖掘出反映變槳蓄電池性能異常的隱藏信息，用隱藏信息數(shù)據(jù)、處理后的數(shù)據(jù)和維修記錄數(shù)據(jù)建立異常故障案例庫。

其次，用處理后的數(shù)據(jù)與挖掘出的隱藏信息的相似性構(gòu)建異常故障分類器模型。將實(shí)時數(shù)據(jù)和隱藏信息輸入異常故障分類器，得到故障類別。用故障類別、隱藏信息和實(shí)時數(shù)據(jù)與異常故障案例庫中的數(shù)據(jù)進(jìn)行匹配，計(jì)算得到與異常故障案例庫中匹配程度最高的案例，進(jìn)行故障預(yù)測。

最后，通過對比實(shí)際結(jié)果與預(yù)測結(jié)果是否一致，來補(bǔ)充異常故障案例庫，或加權(quán)修正異常故障分類器模型。

本發(fā)明提出的變槳蓄電池異常故障預(yù)測方法，有以下優(yōu)點(diǎn)：方便在數(shù)據(jù)采集與監(jiān)視控制系統(tǒng)里實(shí)現(xiàn)該預(yù)測功能；從大量歷史故障數(shù)據(jù)中挖掘有效信息，構(gòu)造異常故障分類器模型，建立故障案例庫，成本低，針對性強(qiáng)，故障判斷準(zhǔn)確性高；通過實(shí)時數(shù)據(jù)的分析，及時發(fā)現(xiàn)潛在的故障，提出了變槳蓄電池異常故障預(yù)測方法，從而在最早的時間發(fā)現(xiàn)蓄電池的異常，以對其進(jìn)行及時的維護(hù)和更換。

附圖說明

圖1本發(fā)明流程圖。

具體實(shí)施方式

下面結(jié)合附圖和具體實(shí)施方式進(jìn)一步說明本發(fā)明。

如圖1所示，本發(fā)明實(shí)施例的具體步驟如下：

1、數(shù)據(jù)文件合成處理

從plc控制器里和數(shù)據(jù)采集與監(jiān)視控制系統(tǒng)里導(dǎo)出需要處理的數(shù)據(jù)，包括歷史的運(yùn)行數(shù)據(jù)和歷史的故障數(shù)據(jù)。根據(jù)維修記錄先從歷史的運(yùn)行數(shù)據(jù)中提取出機(jī)組狀態(tài)、偏航狀態(tài)、輪轂溫度、機(jī)組振動加速度等相關(guān)變量數(shù)據(jù)，再從歷史的故障數(shù)據(jù)中提取出故障時間、變槳蓄電池電壓、故障代碼等異常故障數(shù)據(jù)，然后將兩次提取的數(shù)據(jù)合并成一個數(shù)據(jù)文件，剔除該數(shù)據(jù)文件里因檢測系統(tǒng)引起的異常數(shù)據(jù)和孤立點(diǎn)數(shù)據(jù)。該步驟采用蓄電池實(shí)際運(yùn)行數(shù)據(jù)和相關(guān)變量數(shù)據(jù)作為預(yù)測方法的來源，成本低且包含異常故障的根源信息。

2、挖掘隱藏信息

對處理后的數(shù)據(jù)進(jìn)行關(guān)聯(lián)規(guī)則分析，挖掘出有效信息，比如：機(jī)組振動加速度與蓄電池電壓，輪轂溫度與蓄電池電壓，蓄電池使用時間與蓄電池電壓等的關(guān)聯(lián)性，并從數(shù)據(jù)文件中統(tǒng)計(jì)出變槳蓄電池是第幾次故障、各次故障代碼組合、蓄電池使用時間等，分別增加到數(shù)據(jù)文件的不同列構(gòu)成新的數(shù)據(jù)文件。

3、建立異常故障案例庫

在數(shù)據(jù)采集與監(jiān)視控制系統(tǒng)里用sql或mysql數(shù)據(jù)庫軟件對步驟2中新的數(shù)據(jù)文件內(nèi)容按數(shù)據(jù)間的相互關(guān)聯(lián)，結(jié)合維修記錄數(shù)據(jù)，以風(fēng)場和機(jī)組號建立異常故障案例庫。這種方法建立案例庫可以提高案例匹配速度，減少異常故障診斷時間；

4、建立異常故障分類器模型

將步驟2中新的數(shù)據(jù)文件里的每一行數(shù)據(jù)組成一個多維向量，即異常故障向量，向量間通過余弦相似性分析方法劃分故障類別，用貝葉斯分類器算法得到該故障事件所屬的類別。相對其他適用的分類器，貝葉斯分類器是一種錯誤概率較小的分類器。

5、異常故障預(yù)測

實(shí)時采集蓄電池電壓及相關(guān)變量等數(shù)據(jù)，結(jié)合對應(yīng)的隱藏信息，輸入異常故障分類器模型，得到故障類別。將故障類別、實(shí)時數(shù)據(jù)和隱藏信息與故障案例庫進(jìn)行相似度比較，通過計(jì)算pearson相關(guān)系數(shù)得到與案例庫中匹配程度最高的案例，作出異常故障預(yù)測。本發(fā)明方法可以在最早的時間發(fā)現(xiàn)蓄電池的異常，且能對異常原因進(jìn)行定位。

6、實(shí)時優(yōu)化完善異常故障預(yù)測方法

將步驟5中的預(yù)測結(jié)果與實(shí)際結(jié)果進(jìn)行對比，如果一致則直接擴(kuò)充異常故障案例庫；如果不一致則按步驟2中數(shù)據(jù)間的關(guān)聯(lián)性對異常故障向量的對應(yīng)項(xiàng)賦予一定的權(quán)重，以此來改進(jìn)異常故障分類器模型，從而作出準(zhǔn)確的預(yù)測。步驟5中實(shí)時數(shù)據(jù)及隱藏信息加工處理成案例庫的數(shù)據(jù)存儲形式，方便直接擴(kuò)充完善；實(shí)時優(yōu)化完善異常故障分類器模型，可以保證預(yù)測方法準(zhǔn)確可靠。

技術(shù)特征：

技術(shù)總結(jié)
一種風(fēng)力發(fā)電機(jī)組變槳蓄電池異常故障預(yù)測方法，包括如下步驟：首先對歷史的變槳蓄電池異常故障數(shù)據(jù)和同時刻可導(dǎo)致變槳蓄電池異常故障的相關(guān)變量數(shù)據(jù)進(jìn)行處理，消除數(shù)據(jù)噪聲，處理因檢測系統(tǒng)引起的異常數(shù)據(jù)；然后從處理后的數(shù)據(jù)中挖掘出變槳蓄電池異常故障的隱藏信息，將該隱藏信息與處理后的數(shù)據(jù)進(jìn)行相似性分析，構(gòu)造出異常故障分類器模型；最后，采用異常故障分類器對實(shí)時數(shù)據(jù)及隱藏信息進(jìn)行分類，檢索變槳蓄電池異常故障案例庫，匹配與實(shí)時數(shù)據(jù)、隱藏信息、以及分類結(jié)果最具相似度的故障信息，作出預(yù)測，隨后用實(shí)際情況驗(yàn)證預(yù)測結(jié)果，并根據(jù)驗(yàn)證結(jié)果完善故障案例庫或加權(quán)修正異常故障分類器，實(shí)現(xiàn)異常故障的準(zhǔn)確預(yù)測。

技術(shù)研發(fā)人員：王樂樂;蔣偉;谷海濤;石曉霞;王華;王洪彬
受保護(hù)的技術(shù)使用者：科諾偉業(yè)風(fēng)能設(shè)備（北京）有限公司;北京科諾偉業(yè)科技股份有限公司
技術(shù)研發(fā)日：2017.01.06
技術(shù)公布日：2017.10.03