(19)中华 人民共和国 国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202110078440.9 (22)申请日 2021.01.19 (65)同一申请的已公布的文献号 申请公布号 CN 112784373 A (43)申请公布日 2021.05.11 (73)专利权人 河北大学 地址 071002 河北省保定市五四东路180号 (72)发明人 张照彦　王少科　王培光　田亚茹　 付磊　姜萍　 (74)专利代理 机构 石家庄国域专利商标事务所 有限公司 131 12 代理人 胡澎 (51)Int.Cl. G06F 30/17(2020.01) G06F 30/27(2020.01) G06K 9/62(2022.01) G06F 113/06(2020.01) G06F 119/08(2020.01) (56)对比文件 CN 111175651 A,2020.0 5.19CN 107742008 A,2018.02.27 CN 212007796 U,2020.1 1.24 CN 103018177 A,2013.04.0 3 CN 10797 7508 A,2018.0 5.01 CN 110083804 A,2019.08.02 CN 107609574 A,2018.01.19 US 20120 04869 A1,2012.01.0 5 吴亚联等. “基于SCADA数据驱动的风电机组 部件故障预警 ”. 《无线互联科技》 .2018,第12 2- 127页. 吴昊等.“基于拉伊达准则的GNS S变形监测 异常数据识别算法 ”. 《科技创新与生产力》 .2019,第3 0-34页. 王炜超等. “融合SCADA数据的风电机组齿轮 箱状态评估 ”. 《机械科学与技术》 .2020,第39卷 (第2期),第201-20 6页. 常海兵.“基于SCADA数据的风电机组齿轮箱 故障预警方法研究 ”. 《中国优秀博硕士学位 论文 全文数据库(硕士)工程科技 Ⅱ辑》 .2020,(第01 期),第1-74页. (续) 审查员 王凯凯 (54)发明名称 一种风电机组齿轮箱的故障预警方法 (57)摘要 本发明公开了一种风电机组齿轮箱的故障 预警方法， 该方法包括以下步骤： S1、 数据获取， 获取需要进行齿轮箱早期故障预警的风电机组 SCADA系统中的数据和记录， 时间跨度应包含风 电机组正常运行、 故障形成、 故障显现等多个阶 段； S2、 选取风速、 发电机转速、 发电机有功功率、 齿轮箱温度、 上一时刻齿轮箱温度的历史数据； S3、 数据预处理， 删除异常数据， 然后对数据进行 归一化操作； S4、 利用上述5个参数建立NSET温度 预测模型； S5、 使用建立的NSET模型预测齿轮箱 温度， 得到实际值与预测值的残差； S6、 确定残差 阈值， 当残差超出阈值时发出报警信息。 本发明 利用3σ‑中位数准则法剔除SCADA数据中的异常值， 大大提高了数据的清洗效率， 然后利用NSET 方法实现了风电机组齿轮箱的故障预警。 [转续页] 权利要求书2页 说明书5页 附图5页 CN 112784373 B 2022.03.01 CN 112784373 B (56)对比文件 张照彦等. “风电场仿真机 研究与开发 ”. 《电 力科学与工程》 .2010,第26卷(第9期),第1-7页. 王晓华.“引信决策异常值处 理算法研究 ”. 《中国优秀博硕士学位 论文全文数据库(硕士)信 息科技辑》 .2003,(第02期),第1- 56页. Hongrui Cao et al. ."Early c hatter detection in end mi lling based o n multi- feature fusi on and 3σ criteri on". 《Int J Adv Manuf Tec hnol》 .2017,第4387-4397页. Agudo et al. ."The First Simultaneous 3.5 and 1.3m m Polarimetric Survey of Active Galactic Nuclei i n the Northern Sky". 《arXiv:1402.0717v1》 .2018,第1-14页.2/2 页 2[接上页] CN 112784373 B1.一种风电机组齿轮箱的故障预警方法， 其特 征是， 包括如下步骤： S1、 数据获取： 获取风电机组SCADA系统中的数据和记录， 数据和记录的时间跨度包括 风电机组正常运行、 故障形成、 故障显现在内的各阶段； S2、 建模变量选取： 选取包括风速、 发电机转速、 发电机有功功率、 齿轮箱温度、 上一时 刻齿轮箱温度的历史数据在内的各种参数作为齿轮箱NSET建模变量； S3、 数据预处理： 删除步骤S1中所获的SCADA数据中的异常数据， 然后对数据进行归一 化处理； S4、 利用步骤S2中选取的各种参数建立齿轮箱NSET温度预测模型； S5、 使用建立的NSET温度预测模型， 预测齿轮箱的温度， 得到温度的实际值与预测值之 间的残差； S6、 确定残差阈值， 当残差超出阈值时即发出风电机组齿轮箱故障预警的报警信息； 步骤S3的具体操作方式如下： S3‑1、 将步骤S1中所获取的SCADA数据划分成三个部分： 训练集、 验证集、 试验集； S3‑2、 剔除训练集中的风速大于风电机组切入风速 3m/s、 且输出功率 等于零的数据点； S3‑3、 根据所获数据， 建立训练集风速 ‑功率曲线， 再参照IEC61400 ‑12‑1“分箱”划分 法， 以每0.5m/s风速为 一个划分区间， 将训练集 风速‑功率曲线划分成若干个区间； S3‑4、 用3σ 准则法检测训练集各风速区间中风速小于等于5m/s的异常值， 并将异常值 标记出来； 用中位数准则法检测训练集各风速区间中风速大于5m/s的异常值， 并将异常值 标记出来； S3‑5、 剔除步骤S3 ‑4中标记的异常值以及训练集中的负功率数据； S3‑6、 对训练集中保留下来的数据进行归一 化操作； 步骤S3‑4检测异常值的具体操作方式如下： 当训练集的风速小于等于 5m/s时， 功率应满足 公式(1)的计算结果： 其中， Pb是某风速区间的第b个功率 值， 是功率平均值， σ 是 标准差； 当训练集的风速大于 5m/s时， 功率应满足 公式(2)至公式(5)的计算结果： | δj|＝|Pj‑MED|(j＝1,2, …,m)                            (3) MED‑3Mδ≤Pj≤MED+3Mδ                       (5)权　利　要　求　书 1/2 页 2 CN 112784373 B 3