本發(fā)明涉及風電機組，尤其涉及一種風電機組故障的監(jiān)測方法及系統(tǒng)。

背景技術(shù)：

1、隨著風力發(fā)電產(chǎn)業(yè)的快速發(fā)展，風電機組作為重要的能源設(shè)備，其運行穩(wěn)定性和故障率直接影響發(fā)電效率和維護成本。因此，風電機組的故障監(jiān)測和診斷成為了關(guān)鍵問題。為了保障風電機組的長期穩(wěn)定運行，實時監(jiān)測風電機組的運行狀態(tài)，并能夠在故障發(fā)生前或初期階段準確識別異常，是降低維護成本、延長設(shè)備壽命以及提高發(fā)電效率的必要手段。

2、在現(xiàn)有技術(shù)中，風電機組的故障檢測技術(shù)主要依賴于基于傳感器的數(shù)據(jù)采集和傳統(tǒng)的統(tǒng)計分析方法，如基于振動信號的分析技術(shù)、溫度與轉(zhuǎn)速監(jiān)測技術(shù)等。一些基于物理模型的故障檢測方法也在應(yīng)用，通過構(gòu)建風電機組各個子系統(tǒng)的數(shù)學模型，結(jié)合系統(tǒng)參數(shù)與運行數(shù)據(jù)，對設(shè)備進行故障預判。

3、綜上，現(xiàn)有技術(shù)在多源數(shù)據(jù)融合與復雜場景下無法有效處理風電機組中涉及到的高維數(shù)據(jù)和非線性特征，難以挖掘不同數(shù)據(jù)源之間的關(guān)系，導致監(jiān)測的準確率不足，實時性不高。

技術(shù)實現(xiàn)思路

1、本發(fā)明提供了一種風電機組故障的監(jiān)測方法及系統(tǒng)，以實現(xiàn)對風電機組故障的實時精確檢測。

2、第一方面，為了解決上述技術(shù)問題，本發(fā)明提供了一種風電機組故障的監(jiān)測方法，包括：

3、獲取機械部件傳感器數(shù)據(jù)、環(huán)境數(shù)據(jù)和運行數(shù)據(jù)；

4、根據(jù)所述機械部件傳感器數(shù)據(jù)、所述環(huán)境數(shù)據(jù)和所述運行數(shù)據(jù)，進行數(shù)據(jù)預處理操作，得到預處理后的多維機組數(shù)據(jù)；

5、根據(jù)所述多維機組數(shù)據(jù)，進行超圖構(gòu)建操作，得到超圖數(shù)據(jù)；

6、將所述超圖數(shù)據(jù)輸入至多層超圖卷積模型中，進行多層超圖卷積處理操作，得到超圖卷積特征數(shù)據(jù)；

7、將所述超圖卷積特征數(shù)據(jù)輸入至異常分數(shù)計算模型，進行異常分數(shù)計算，得到風電機組的故障異常分數(shù)；

8、當判定所述故障異常分數(shù)大于預設(shè)異常閾值時，生成報警信號，并將所述報警信號發(fā)送給用戶端。

9、作為一種可選的實施方式，所述根據(jù)所述機械部件傳感器數(shù)據(jù)、所述環(huán)境數(shù)據(jù)和所述運行數(shù)據(jù)，進行數(shù)據(jù)預處理操作，得到預處理后的多維機組數(shù)據(jù)，包括：

10、根據(jù)所述機械部件傳感器數(shù)據(jù)、所述環(huán)境數(shù)據(jù)和所述運行數(shù)據(jù)，進行數(shù)據(jù)清洗處理，得到干凈機組數(shù)據(jù)；

11、根據(jù)所述干凈機組數(shù)據(jù)，進行數(shù)據(jù)標準化處理，得到標準機組數(shù)據(jù)；

12、根據(jù)所述標準機組數(shù)據(jù)，進行多維關(guān)鍵特征提取，得到多維機組數(shù)據(jù)。

13、作為一種可選的實施方式，所述根據(jù)所述多維機組數(shù)據(jù)，進行超圖構(gòu)建操作，得到超圖數(shù)據(jù)，包括：

14、根據(jù)所述多維機組數(shù)據(jù)，將數(shù)據(jù)特征作為超圖節(jié)點進行節(jié)點構(gòu)建，得到超圖節(jié)點數(shù)據(jù)；

15、根據(jù)所述多維機組數(shù)據(jù)和超圖節(jié)點數(shù)據(jù)，進行超邊構(gòu)建，得到超邊數(shù)據(jù)；

16、根據(jù)所述多維機組數(shù)據(jù)和所述超邊數(shù)據(jù)，進行權(quán)重矩陣生成，得到超圖權(quán)重矩陣數(shù)據(jù)；

17、根據(jù)所述超圖節(jié)點數(shù)據(jù)、所述超邊數(shù)據(jù)和所述超圖權(quán)重矩陣數(shù)據(jù)，進行超圖構(gòu)建操作，得到超圖數(shù)據(jù)。

18、作為一種可選的實施方式，所述將所述超圖數(shù)據(jù)輸入至多層超圖卷積模型中，進行多層超圖卷積處理操作，得到超圖卷積特征數(shù)據(jù)，包括：

19、基于所述超圖數(shù)據(jù)，對所述超圖數(shù)據(jù)中的節(jié)點進行超圖卷積操作，得到節(jié)點特征數(shù)據(jù)；

20、根據(jù)所述節(jié)點特征數(shù)據(jù)，通過多層超圖卷積網(wǎng)絡(luò)對節(jié)點特征進行逐層聚合，得到節(jié)點高階特征數(shù)據(jù)；

21、根據(jù)所述節(jié)點高階特征數(shù)據(jù)，進行節(jié)點嵌入生成，得到超圖卷積特征數(shù)據(jù)。

22、作為一種可選的實施方式，所述對所述超圖數(shù)據(jù)中的節(jié)點進行超圖卷積操作，超圖卷積計算公式如下：

23、；

24、其中，表示第層的節(jié)點特征矩陣，表示第層的節(jié)點特征矩陣；表示激活函數(shù)；表示節(jié)點度矩陣；表示超邊的度矩陣；表示超邊的連接矩陣，表示e的轉(zhuǎn)置形式；表示第層需要學習的網(wǎng)絡(luò)參數(shù)；表示節(jié)點與超邊的關(guān)聯(lián)矩陣，表示的轉(zhuǎn)置形式。

25、作為一種可選的實施方式，所述將所述超圖卷積特征數(shù)據(jù)輸入至異常分數(shù)計算模型，進行異常分數(shù)計算，得到風電機組的故障異常分數(shù)，包括：

26、將所述超圖卷積特征數(shù)據(jù)作為輸入數(shù)據(jù)，輸入至圖變分自編碼器模型進行特征重構(gòu)與計算，得到重構(gòu)誤差；

27、根據(jù)所述重構(gòu)誤差，進行節(jié)點異常分數(shù)計算，得到節(jié)點異常分數(shù)；

28、根據(jù)所述節(jié)點異常分數(shù)，進行分數(shù)聚合，得到風電機組的故障異常分數(shù)。

29、作為一種可選的實施方式，所述將所述超圖卷積特征數(shù)據(jù)作為輸入數(shù)據(jù)，輸入至圖變分自編碼器模型進行特征重構(gòu)與計算，得到重構(gòu)誤差，包括：

30、將所述超圖卷積特征數(shù)據(jù)進行數(shù)據(jù)編碼處理，得到潛在的隱變量表示；

31、根據(jù)所述隱變量表示，進行解碼映射，重構(gòu)原始的高階特征數(shù)據(jù)得到重構(gòu)特征數(shù)據(jù)；

32、根據(jù)所述超圖卷積特征數(shù)據(jù)和所述重構(gòu)特征數(shù)據(jù)，進行重構(gòu)誤差計算，得到重構(gòu)誤差。

33、作為一種可選的實施方式，所述根據(jù)所述重構(gòu)誤差，進行節(jié)點異常分數(shù)計算，異常分數(shù)的計算公式如下：

34、；

35、其中，表示超圖中第個節(jié)點的異常得分，即原始數(shù)據(jù)中某個位置的數(shù)據(jù)源的得分，如扇葉振動數(shù)據(jù)的得分；表示節(jié)點的鄰居節(jié)點集合，即與節(jié)點表示的數(shù)據(jù)源相關(guān)的節(jié)點集合；表示節(jié)點的鄰居節(jié)點數(shù)量；表示節(jié)點的重構(gòu)誤差。

36、第二方面，本發(fā)明提供了一種風電機組故障的監(jiān)測系統(tǒng)，包括：

37、數(shù)據(jù)獲取模塊，用于獲取機械部件傳感器數(shù)據(jù)、環(huán)境數(shù)據(jù)和運行數(shù)據(jù)；

38、數(shù)據(jù)預處理模塊，用于根據(jù)所述機械部件傳感器數(shù)據(jù)、所述環(huán)境數(shù)據(jù)和所述運行數(shù)據(jù)，進行數(shù)據(jù)預處理操作，得到預處理后的多維機組數(shù)據(jù)；

39、超圖構(gòu)建模塊，用于根據(jù)所述多維機組數(shù)據(jù)，進行超圖構(gòu)建操作，得到超圖數(shù)據(jù)；

40、超圖卷積模塊，用于將所述超圖數(shù)據(jù)輸入至多層超圖卷積模型中，進行多層超圖卷積處理操作，得到超圖卷積特征數(shù)據(jù)；

41、得分計算模塊，用于將所述超圖卷積特征數(shù)據(jù)輸入至異常分數(shù)計算模型，進行異常分數(shù)計算，得到風電機組的故障異常分數(shù)；

42、異常判定與報警模塊，用于當判定所述故障異常分數(shù)大于預設(shè)異常閾值時，生成報警信號，并將所述報警信號發(fā)送給用戶端。

43、第三方面，本發(fā)明還提供了一種計算機可讀存儲介質(zhì)，所述計算機可讀存儲介質(zhì)包括存儲的計算機程序，其中，在所述計算機程序運行時控制所述計算機可讀存儲介質(zhì)所在設(shè)備執(zhí)行上述中任意一項所述的風電機組故障的監(jiān)測方法。

44、相比于現(xiàn)有技術(shù)，本發(fā)明具有如下有益效果：

45、本發(fā)明提供一種風電機組故障的監(jiān)測方法，包括：獲取機械部件傳感器數(shù)據(jù)、環(huán)境數(shù)據(jù)和運行數(shù)據(jù)；根據(jù)所述機械部件傳感器數(shù)據(jù)、所述環(huán)境數(shù)據(jù)和所述運行數(shù)據(jù)，進行數(shù)據(jù)預處理操作，得到預處理后的多維機組數(shù)據(jù)；根據(jù)所述多維機組數(shù)據(jù)，進行超圖構(gòu)建操作，得到超圖數(shù)據(jù)；將所述超圖數(shù)據(jù)輸入至多層超圖卷積模型中，進行多層超圖卷積處理操作，得到超圖卷積特征數(shù)據(jù)；將所述超圖卷積特征數(shù)據(jù)輸入至異常分數(shù)計算模型，進行異常分數(shù)計算，得到風電機組的故障異常分數(shù)；當判定所述故障異常分數(shù)大于預設(shè)異常閾值時，生成報警信號，并將所述報警信號發(fā)送給用戶端。本發(fā)明通過構(gòu)建異構(gòu)超圖，將機械部件傳感器數(shù)據(jù)、環(huán)境數(shù)據(jù)和運行數(shù)據(jù)中的多維信息建模為超圖節(jié)點和超邊。采用異常分數(shù)計算模型，通過對超圖卷積特征數(shù)據(jù)進行異常分數(shù)計算，可以精準評估風電機組各個節(jié)點的運行狀態(tài)，判定異常節(jié)點并最終生成風電機組的故障異常分數(shù)，能夠自適應(yīng)地調(diào)整檢測標準，提升了對風電機組故障的敏感度，從而實現(xiàn)更高精度的故障檢測和實時報警。