风力发电机组液压系统故障诊断方法、系统及计算机设备与流程

本发明涉及风力发电机组领域，具体地涉及一种风力发电机组液压系统故障诊断方法、一种风力发电机组液压系统故障诊断系统、一种计算机设备以及一种计算机可读存储介质。

背景技术：

1、在当前的风力发电行业中，传统的液压系统监测技术主要采用传感器和实时数据采集设备。这些技术能够获取液压系统的基本运行参数，例如压力、流量和温度等，以进行基础的状态监测。然而，由于液压系统在实际运行中受多种复杂因素影响，如变化的风速、工作负荷和环境温度等，传统监测方法在准确性和实时性上存在一定的限制。

2、目前，风力发电机组维护主要依赖于预定的定期检修计划，这种计划通常基于设备的运行小时数或者定期的时间间隔。这种静态的维护策略无法充分考虑液压系统在实际运行中的健康状况，导致在一些情况下进行了不必要的维护，增加了维护成本，并可能在高风速时期造成发电量的降低。

技术实现思路

1、为了解决上述技术缺陷，本发明提供风力发电机组液压系统故障诊断方法、系统及计算机设备，所述风力发电机组液压系统故障诊断方法通过风力发电机组plc控制柜获取实时运行数据，将实时运行数据输入液压系统监控服务器的液压系统监控神经网络模型中，液压系统监控神经网络模型用于根据实时运行数据判断液压系统的健康状态。液压系统监控服务器中的液压系统监控神经网络模型能够实时对液压系统运行情况进行检查，在检测到液压系统故障时才会对液压系统进行维护，实现了精准监测并减少了维护成本。

2、本发明第一个方面提供一种风力发电机组液压系统故障诊断方法，包括：

3、通过风力发电机组plc控制柜获得液压系统的历史运行数据，根据液压系统的历史运行数据对液压系统的健康状态进行定义和分类，得到健康状态分类；

4、将液压系统的历史运行数据传输至液压系统监控服务器，通过液压系统监控服务器对液压系统的历史运行数据与健康状态分类进行关联处理，得到液压系统数据集；

5、通过液压系统数据集对液压系统监控服务器中预先构建的神经网络模型进行训练，得到用于检测液压系统健康状态和故障情况的液压系统监控神经网络模型；

6、通过风力发电机组plc控制柜获取液压系统的实时运行数据，将液压系统的实时运行数据输入液压系统监控神经网络模型中进行故障检测，得到液压系统的健康状态。

7、在本发明实施例中，所述通过液压系统监控服务器对液压系统的历史运行数据与健康状态分类进行关联处理，包括：

8、将液压系统的历史运行数据与对应的液压系统的健康状态分类进行关联，得到液压系统原始数据集；

9、对液压系统原始数据集中的历史运行数据进行预处理，得到预处理后的历史运行数据；

10、对预处理后的历史运行数据进行特征值提取，得到历史运行数据的特征值；

11、将液压系统的历史运行数据的特征值与对应的液压系统的健康状态进行关联，得到液压系统数据集。

12、在本发明实施例中，所述液压系统原始数据集包括多组历史运行数据，每组历史运行数据包括同一时刻的历史运行数据以及液压系统的健康状态分类；

13、所述液压系统数据集包括多个历史运行数据特征值，每组历史运行数据特征值包括同一时刻的历史运行数据的特征值以及液压系统的健康状态数据。

14、在本发明实施例中，所述通过液压系统数据集对液压系统监控服务器中预先构建的神经网络模型进行训练，包括：

15、将液压系统数据集划分为训练集、验证集以及测试集；

16、使用训练集对预先构建的神经网络模型进行训练，得到训练完成的神经网络模型；

17、使用验证集对训练完成的神经网络模型进行调优，得到调优后的神经网络模型；

18、使用测试集对调优后的神经网络模型进行评估，得到用于检测液压系统健康状态和故障情况的液压系统监控神经网络模型。

19、在本发明实施例中，所述方法还包括：

20、根据液压系统监控神经网络模型输出的液压系统的健康状态选择维护决策；

21、根据维护决策对液压系统进行维护。

22、在本发明实施例中，所述健康状态包括：第一类健康状态、第二类健康状态以及第三类健康状态；

23、所述维护决策包括：预防性维护决策、修复性维护决策以及替换性维护决策；

24、当液压系统监控神经网络模型输出的液压系统的健康状态为第一类健康状态时，选择预防性维护决策对液压系统进行维护；

25、当液压系统监控神经网络模型输出的液压系统的健康状态为第二类健康状态时，选择修复性维护决策对液压系统进行维护；

26、当液压系统监控神经网络模型输出的液压系统的健康状态为第三类健康状态时，选择替换性维护决策对液压系统进行维护。

27、在本发明实施例中，所述历史运行数据包括历史压力数据、历史流量数据、历史温度数据以及历史振动数据；

28、所述实时运行数据包括实时压力数据、实时流量数据、实时温度数据以及实时振动数据。

29、本发明第二个方面提供一种风力发电机组液压系统故障诊断系统，包括：

30、风力发电机组plc控制柜，用于获取液压系统的历史运行数据以及实时运行数据并输出；

31、液压系统监控服务器，用于根据液压系统的历史运行数据对液压系统的健康状态进行定义和分类，对液压系统的历史运行数据与健康状态分类进行关联处理得到液压系统数据集，通过液压系统数据集对预先构建的神经网络模型进行训练，得到用于检测液压系统健康状态和故障情况的液压系统监控神经网络模型；

32、所述液压系统监控神经网络模型用于根据来自所述风力发电机组plc控制柜的液压系统的实时运行数据进行故障检测，得到液压系统的健康状态。

33、本发明第三个方面提供一种计算机设备，包括：

34、存储器；

35、处理器；以及

36、计算机程序；

37、其中，所述计算机程序存储在存储器中，并被配置为由处理器执行以实现如上所述的风力发电机组液压系统故障诊断方法。

38、本发明第四方面提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行以实现如上所述的风力发电机组液压系统故障诊断方法。

39、本发明提供的风力发电机组液压系统故障诊断方法通过风力发电机组plc控制柜获取实时运行数据，将实时运行数据输入液压系统监控服务器的液压系统监控神经网络模型中，液压系统监控神经网络模型用于根据实时运行数据判断液压系统的健康状态。液压系统监控服务器中的液压系统监控神经网络模型能够实时对液压系统运行情况进行检查，在检测到液压系统故障时才会对液压系统进行维护，实现了精准监测并减少了维护成本。

40、本发明技术方案的其它特征和优点将在下文的具体实施方式部分予以详细说明。

技术特征：

1.一种风力发电机组液压系统故障诊断方法，其特征在于，包括：

2.根据权利要求1所述的风力发电机组液压系统故障诊断方法，其特征在于，所述通过液压系统监控服务器对液压系统的历史运行数据与健康状态分类进行关联处理，包括：

3.根据权利要求2所述的风力发电机组液压系统故障诊断方法，其特征在于，所述液压系统原始数据集包括多组历史运行数据，每组历史运行数据包括同一时刻的历史运行数据以及液压系统的健康状态分类；

4.根据权利要求2所述的风力发电机组液压系统故障诊断方法，其特征在于，所述通过液压系统数据集对液压系统监控服务器中预先构建的神经网络模型进行训练，包括：

5.根据权利要求1所述的风力发电机组液压系统故障诊断方法，其特征在于，所述方法还包括：

6.根据权利要求5所述的风力发电机组液压系统故障诊断方法，其特征在于，所述健康状态分类包括：第一类健康状态、第二类健康状态以及第三类健康状态；

7.根据权利要求1所述的风力发电机组液压系统故障诊断方法，其特征在于，所述历史运行数据包括历史压力数据、历史流量数据、历史温度数据以及历史振动数据；

8.一种风力发电机组液压系统故障诊断系统，其特征在于，包括：

9.一种计算机设备，其特征在于，包括：

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行以实现权利要求1至权利要求7任一项所述的风力发电机组液压系统故障诊断方法。

技术总结
本发明提供风力发电机组液压系统故障诊断方法、系统及计算机设备，属于风力发电机组领域。所述风力发电机组液压系统故障诊断方法包括：根据液压系统的历史运行数据对液压系统的健康状态进行定义和分类，得到健康状态分类；通过液压系统监控服务器对液压系统的历史运行数据与健康状态分类进行关联处理，得到液压系统数据集；通过液压系统数据集对液压系统监控服务器中预先构建的神经网络模型进行训练，得到用于检测液压系统健康状态和故障情况的液压系统监控神经网络模型；通过风力发电机组PLC控制柜获取液压系统的实时运行数据，将液压系统的实时运行数据输入液压系统监控神经网络模型中进行故障检测，得到液压系统的健康状态。

技术研发人员：李俊,杨俊平,李海鸣
受保护的技术使用者：国能云南新能源有限公司
技术研发日：
技术公布日：2024/5/19