基于大数据AI算法的风电机组运行监测方法及系统与流程

本发明涉及数据分析，具体涉及基于大数据ai算法的风电机组运行监测方法及系统。

背景技术：

1、风力发电是可再生能源的重要部分，风电机组的运行监测对于确保其稳定和高效运行至关重要。传统的风电机组运行监测方法通常基于单设备进行故障监控，然而单一的数据来源难以全面反映设备的真实运行状态，这导致现有技术中基于单设备进行故障监控，存在故障识别精度低的缺陷，因而现有技术存在无法准确地监测风电机组运行状态，进而无法准确进行故障识别的技术问题。

技术实现思路

1、本申请通过提供基于大数据ai算法的风电机组运行监测方法及系统，有效解决了现有技术中存在的无法准确地监测风电机组运行状态，进而无法准确进行故障识别的技术问题，达到了全面、准确地监测设备的运行状态，并及时发现潜在的故障的技术效果。

2、本申请提供了基于大数据ai算法的风电机组运行监测方法及系统，所述技术方案如下：

3、第一方面，本申请实施例提供了基于大数据ai算法的风电机组运行监测方法，所述方法包括：

4、交互目标风电机组，获得输出功率关联信息，其中，所述输出功率关联信息包括实时风速信息、实时叶片角度和实时温度信息；

5、预构建输出功率预测模型，将所述输出功率关联信息同步至所述输出功率预测模型进行输出功率预测，获得实时功率预测结果；

6、预构建关联故障识别子网络，其中，所述关联故障识别子网络包括多个关联故障识别通道，每个关联故障识别通道具有设备故障识别组标识；

7、交互所述目标风电机组获得实时输出功率信息；

8、判断所述实时输出功率信息是否满足所述实时功率预测结果，若所述实时输出功率信息不满足所述实时功率预测结果，则对所述目标风电机组进行设备运行参数调用，获得k个机组构成设备的k个运行时序数据；

9、根据设备故障识别组标识，将所述k个运行时序数据映射同步至所述关联故障识别子网络的所述多个关联故障识别通道，获得运行故障监测结果。

10、第二方面，本申请实施例提供了基于大数据ai算法的风电机组运行监测系统，所述系统包括：

11、输出功率关联信息获取模块，所述输出功率关联信息获取模块用于交互目标风电机组，获得输出功率关联信息，其中，所述输出功率关联信息包括实时风速信息、实时叶片角度和实时温度信息；

12、输出功率预测模块，所述输出功率预测模块用于预构建输出功率预测模型，将所述输出功率关联信息同步至所述输出功率预测模型进行输出功率预测，获得实时功率预测结果；

13、关联故障识别子网络构建模块，所述关联故障识别子网络构建模块用于预构建关联故障识别子网络，其中，所述关联故障识别子网络包括多个关联故障识别通道，每个关联故障识别通道具有设备故障识别组标识；

14、实时输出功率信息获取模块，所述实时输出功率信息获取模块用于交互所述目标风电机组获得实时输出功率信息；

15、设备运行参数调用模块，所述设备运行参数调用模块用于判断所述实时输出功率信息是否满足所述实时功率预测结果，若所述实时输出功率信息不满足所述实时功率预测结果，则对所述目标风电机组进行设备运行参数调用，获得k个机组构成设备的k个运行时序数据；

16、故障识别模块，所述故障识别模块用于根据设备故障识别组标识，将所述k个运行时序数据映射同步至所述关联故障识别子网络的所述多个关联故障识别通道，获得运行故障监测结果。

17、本申请实施例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、本申请通过交互目标风电机组，获得输出功率关联信息，其中，所述输出功率关联信息包括实时风速信息、实时叶片角度和实时温度信息，进而预构建输出功率预测模型，将所述输出功率关联信息同步至所述输出功率预测模型进行输出功率预测，获得实时功率预测结果，然后预构建关联故障识别子网络，其中，所述关联故障识别子网络包括多个关联故障识别通道，每个关联故障识别通道具有设备故障识别组标识，再交互所述目标风电机组获得实时输出功率信息，进而判断所述实时输出功率信息是否满足所述实时功率预测结果，若所述实时输出功率信息不满足所述实时功率预测结果，则对所述目标风电机组进行设备运行参数调用，获得k个机组构成设备的k个运行时序数据，继而根据设备故障识别组标识，将所述k个运行时序数据映射同步至所述关联故障识别子网络的所述多个关联故障识别通道，获得运行故障监测结果。有效解决了现有技术中存在的无法准确地监测风电机组运行状态，进而无法准确进行故障识别的技术问题，达到了全面、准确地监测设备的运行状态，并及时发现潜在的故障的技术效果。

技术特征：

1.基于大数据ai算法的风电机组运行监测方法，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，根据设备故障识别组标识，将所述k个运行时序数据映射同步至所述关联故障识别子网络的所述多个关联故障识别通道，获得运行故障监测结果，所述方法还包括：

3.如权利要求1所述的方法，其特征在于，预构建输出功率预测模型，所述方法还包括：

4.如权利要求3所述的方法，其特征在于，将所述输出功率关联信息同步至所述输出功率预测模型进行输出功率预测，获得实时功率预测结果，所述方法还包括：

5.如权利要求1所述的方法，其特征在于，预构建关联故障识别子网络，其中，所述关联故障识别子网络包括多个关联故障识别通道，每个关联故障识别通道具有设备故障识别组标识，所述方法还包括：

6.如权利要求5所述的方法，其特征在于，对所述若干个运维时间组执行运维关联性分析，获得多个设备故障识别组，所述方法还包括：

7.如权利要求6所述的方法，其特征在于，根据设备故障识别组标识，将所述k个运行时序数据映射同步至所述关联故障识别子网络的所述多个关联故障识别通道，获得运行故障监测结果，所述方法还包括：

8.基于大数据ai算法的风电机组运行监测系统，其特征在于，所述系统包括：

技术总结本发明公开了基于大数据AI算法的风电机组运行监测方法及系统，涉及数据分析技术领域，包括：交互目标风电机组，获得输出功率关联信息；同步至输出功率预测模型进行输出功率预测，获得实时功率预测结果；预构建关联故障识别子网络；获得实时输出功率信息；若实时输出功率信息不满足实时功率预测结果，进行设备运行参数调用，获得K个机组构成设备的K个运行时序数据；将K个运行时序数据映射同步至关联故障识别子网络的多个关联故障识别通道，获得运行故障监测结果。本发明解决了现有技术中无法准确地监测风电机组运行状态，进而无法准确进行故障识别的技术问题，达到了全面、准确地监测设备的运行状态，并及时发现潜在的故障的技术效果。技术研发人员：徐志轩,郭鹏,帅超,张磊,吴雨晴,程学文,张舒翔,曹庆才,郭旭峰受保护的技术使用者：大唐可再生能源试验研究院有限公司技术研发日：技术公布日：2024/6/26