本发明涉及风电管理,特别涉及基于人工智能大数据分析的风电机组故障预测方法及系统。
背景技术:
1、随着风能行业的迅速发展,风电机组的安全、稳定运行对于整个能源系统的可持续性至关重要。由于环境复杂性和机械部件的长期运行,风电机组容易受到各种故障的影响。风电机组产生的数据庞大而复杂,传统手段往往难以高效处理和提取其中的有用信息,存在反应较慢,泛化能力有限,难以实现故障即时预测的技术问题。
技术实现思路
1、本申请的目的在于提供基于人工智能大数据分析的风电机组故障预测方法及系统。用以解决现有技术中反应较慢,泛化能力有限,难以实现故障即时预测的技术问题。
2、鉴于以上技术问题,本申请提供了基于人工智能大数据分析的风电机组故障预测方法及系统。
3、第一方面,本申请提供了基于人工智能大数据分析的风电机组故障预测方法,其中,所述方法包括:
4、基于互联网大数据,爬取风电机组故障样本数据;
5、根据所述风电机组故障样本数据,提取故障前机组运行参数及机组故障信息;
6、通过所述故障前机组运行参数及机组故障信息,进行故障预警指标提取,获得多个机组故障预警指标,所述多个机组故障预警指标包括多个重点监测指标和多个常规监测指标;
7、基于所述多个重点监测指标和多个常规监测指标,构建故障预测模型,并设定多个指标监测等级;
8、按照所述多个指标监测等级进行监测传感模组布设,构建故障监测传感模组;
9、基于所述故障监测传感模组,采集目标风电机组的实时运行数据,通过所述故障预测模型进行机组故障预测。
10、第二方面,本申请还提供了基于人工智能大数据分析的风电机组故障预测系统,其中,所述系统包括:
11、样本信息获取模块,所述样本信息获取模块用于基于互联网大数据,爬取风电机组故障样本数据;
12、状态信息分割模块,所述状态信息分割模块用于根据所述风电机组故障样本数据,提取故障前机组运行参数及机组故障信息;
13、指标获取模块,所述指标获取模块用于通过所述故障前机组运行参数及机组故障信息,进行故障预警指标提取,获得多个机组故障预警指标,所述多个机组故障预警指标包括多个重点监测指标和多个常规监测指标;
14、预测构建模块,所述预测构建模块用于基于所述多个重点监测指标和多个常规监测指标,构建故障预测模型,并设定多个指标监测等级;
15、监测布设模块,所述监测布设模块用于按照所述多个指标监测等级进行监测传感模组布设,构建故障监测传感模组;
16、故障预测模块,所述故障预测模块用于基于所述故障监测传感模组,采集目标风电机组的实时运行数据,通过所述故障预测模型进行机组故障预测
17、本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
18、通过基于互联网大数据,爬取风电机组故障样本数据;根据风电机组故障样本数据,提取故障前机组运行参数及机组故障信息;通过故障前机组运行参数及机组故障信息,进行故障预警指标提取,获得多个机组故障预警指标,多个机组故障预警指标包括多个重点监测指标和多个常规监测指标;基于多个重点监测指标和多个常规监测指标,构建故障预测模型,并设定多个指标监测等级;按照多个指标监测等级进行监测传感模组布设,构建故障监测传感模组;基于故障监测传感模组,采集目标风电机组的实时运行数据,通过故障预测模型进行机组故障预测。进而达成提高预测反应速度,提升泛化能力,实现故障即时预测的技术效果。
19、上述说明仅是本申请技术方案的概述,为了能够更清楚阐明本申请的技术手段,进而可依照说明书的内容予以实施,并且为了让本申请的上述及其他目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
1.基于人工智能大数据分析的风电机组故障预测方法,其特征在于,所述方法包括:
2.如权利要求1所述的方法,其特征在于,通过所述故障前机组运行参数及机组故障信息,进行故障预警指标提取,获得多个机组故障预警指标,包括:
3.如权利要求2所述的方法,其特征在于,根据所述多个参数异常频次和多个参数异常范围,结合所述机组故障信息,进行异常影响分析,包括:
4.如权利要求3所述的方法,其特征在于,基于所述多个重点监测指标和多个常规监测指标,构建故障预测模型,并设定多个指标监测等级,还包括:
5.如权利要求1所述的方法,其特征在于,按照所述多个指标监测等级进行监测传感模组布设,构建故障监测传感模组,包括:
6.如权利要求1所述的方法,其特征在于,基于所述故障监测传感模组,采集目标风电机组的实时运行数据,包括:
7.如权利要求1所述的方法,其特征在于,通过所述故障预测模型进行机组故障预测,还包括:
8.基于人工智能大数据分析的风电机组故障预测系统,其特征在于,所述系统包括: