(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111660110.7 (22)申请日 2021.12.3 0 (71)申请人 山东浪潮科 学研究院有限公司 地址 250101 山东省济南市高新区浪潮路 1036号S02号楼 (72)发明人 李雪　李锐　张晖　 (74)专利代理 机构 北京君慧知识产权代理事务 所(普通合伙) 11716 代理人 董延丽 (51)Int.Cl. G06K 9/62(2022.01) (54)发明名称 一种检测风机组部件故障的方法、 设备及存 储介质 (57)摘要 本申请实施例提供的一种检测风机组部件 故障的方法、 设备及存储介质， 方法包括： 对风机 SCADA系统获取的历史风机故障监测数据进行预 处理后生 成待分析数据。 对待分析数据进行选取 后获得第一故障数据； 对第一故障数据进行筛选 后获得第二故障数据。 其中， 第二故障数据为第 一故障数据中对风机故障存在贡献的数据。 基于 标注了故障类型的历史风机故障监测数据、 第二 故障数据对 预设的故障识别网络进行训练， 以获 得故障识别模型。 在检测风机组部件故障时， 将 风机SCADA系统获取的实时监测数据输入到故障 识别模型中， 确定故障识别结果并进行告警。 本 申请实施例通过上述方法能够可以提高风电机 组部件故障预 警的精度和速度， 极大地减少检修 成本。 权利要求书2页 说明书7页 附图1页 CN 114330569 A 2022.04.12 CN 114330569 A 1.一种检测风机组部件故障的方法， 其特 征在于， 所述方法包括： 获取风机SCADA系 统中的历史风机故障监测数据， 并对所述历史风机故障监测数据进 行预处理， 以生成待分析 数据； 基于所述历史风机故障监测数据对应的故障类型， 对所述待分析数据进行选取， 以获 得第一故障数据； 其中， 所述第一故障数据包含与所述故障类型相关性大于第一预设阈值 的所有待分析数据； 对所述第 一故障数据进行筛选， 以获得第二故障数据； 其中， 所述第 二故障数据为第一 故障数据中对风机故障存在贡献的数据； 基于标注了故障类型的所述历史风机故障监测数据、 所述第 二故障数据对预设的故障 识别网络进行训练， 以获得故障识别模型； 在需要检测风机组部件故障的情况下， 将所述风机SCADA系统获取的实时监测数据输 入到所述故障识别模型中， 确定故障识别结果， 并根据所述故障识别结果进行告警。 2.根据权利要求1所述的一种检测风机组部件故障的方法， 其特征在于， 基于所述历史 风机故障监测数据对应的故障类型， 对 所述待分析数据进行选取， 以获得第一 故障数据， 具 体包括： 确定历史风机故障发生的时间段， 并确定在所述 时间段内对应的待分析数据为相关监 测数据； 基于所述故障类型， 在所述相关监测数据中确定与所述故障类型具有相关性的若干个 待分析数据； 确定所述若干个待分析数据与所述故障类型的相关性大小， 并将与 所述故障类型相关 性大于第一预设阈值的所有 待分析数据确定为第一故障数据。 3.根据权利要求1所述的一种检测风机组部件故障的方法， 其特征在于， 对所述第 一故 障数据进行筛 选， 以获得第二故障数据， 具体包括： 通过主成分分析法， 对所述第一故障数据进行风机故障贡献率计算， 以确定所述第一 故障数据中各数据的贡献率， 并将贡献率大于第二预设阈值的数据确定为第三故障数据； 其中， 所述 风机故障为所述 风机故障历史监测数据对应的故障； 基于K均值聚类算法， 对所述第三故障数据进行异常数据剔除， 以获得第二故障数据。 4.根据权利要求3所述的一种检测风机组部件故障的方法， 其特征在于， 基于K均值聚 类算法， 对所述第三故障数据进行异常数据剔除， 以获得第二故障数据， 具体包括： 通过K均值聚类算法， 对所述第三故障数据进行聚类， 并确定对应的聚类评估指数； 其 中， 所述聚类评估指数用于描述对所述第三故障数据的聚类效果； 确定所述聚类评估指数小于第三预设阈值的聚类类别中包含的第三故障数据为异常 数据； 在所述第三故障数据中对所述异常数据进行剔除， 以生成第二故障数据。 5.根据权利要求1所述的一种检测风机组部件故障的方法， 其特征在于， 基于标注了故 障类型的所述历史风机故障监测数据、 所述第二故障数据对预设的故障识别网络进行训 练， 以获得故障识别模型， 具体包括： 构建故障识别网络； 其中， 所述故障识别网络包括数据处 理子网络与故障识别子网络； 基于标注了故障类型的所述历史风机故障监测数据对所述数据处理子网络进行训练，权　利　要　求　书 1/2 页 2 CN 114330569 A 2以获得数据处理子模型； 基于所述第二故障数据对所述故障识别子网络进行训练， 以获得故障识别子模型； 将所述数据处 理子模型与所述故障识别子模型进行整合， 以获得故障识别模型。 6.根据权利要求要求1所述的一种检测风机组部件故障的方法， 其特征在于， 所述方法 还包括： 对所述历史风机故障监测数据进行故障等级标注， 以使训练获得的所述故障识别模 型， 在进行故障预测时能够确定对应的故障等级。 7.根据权利要求要求6所述的一种检测风机组部件故障的方法， 其特征在于， 在确定故 障识别结果之后， 所述方法还 包括： 确定所述故障识别结果中的包 含的故障类型及对应的故障等级； 基于所述故障类型及对应的故障等级， 确定预设的告警方式进行告警。 8.根据权利要求5所述的一种检测风机组部件故障的方法， 其特征在于， 所述故障识别 子网络采用支持向量机算法。 9.一种检测风机组部件故障的设备， 其特 征在于， 所述设备包括： 处理器； 及存储器， 其上存储有可执行代码， 当所述可执行代码被执行时， 使得所述处理器执行 如权利要求1 ‑8任一项所述的一种方法。 10.一种检测风机组部件故障的非易失性计算机存储介质， 存储有计算机可执行指令， 其特征在于， 所述计算机可 执行指令设置为： 获取风机SCADA系 统中的历史风机故障监测数据， 并对所述历史风机故障监测数据进 行预处理， 以生成待分析 数据； 基于所述历史风机故障监测数据对应的故障类型， 对所述待分析数据进行选取， 以获 得第一故障数据； 其中， 所述第一故障数据包含与所述故障类型相关性大于第一预设阈值 的所有待分析数据； 对所述第 一故障数据进行筛选， 以获得第二故障数据； 其中， 所述第 二故障数据为第一 故障数据中对风机故障存在贡献的数据； 基于标注了故障类型的所述历史风机故障监测数据、 所述第 二故障数据对预设的故障 识别网络进行训练， 以获得故障识别模型； 在需要检测风机组部件故障的情况下， 将所述风机SCADA系统获取的实时监测数据输 入到所述故障识别模型中， 确定故障识别结果， 并根据所述故障识别结果进行告警。权　利　要　求　书 2/2 页 3 CN 114330569 A 3