風電機組故障預測方法及系統與流程

本發明涉及風電，具體地涉及一種風電機組故障預測方法及一種風電機組故障預測系統。

背景技術：

1、目前風電行業的風力發電機組在各個轉動部件及螺栓連接等部件上，經常因振動導致疲勞損傷或松動故障。現有的故障監測系統通過檢測部件的振動、溫度等參數來監控設備狀態，這需要工程技術人員依據相關標準對數據進行人工分析，以判斷故障問題。然而，這些系統存在無法提前預測故障的局限，只有在轉動部件如齒輪箱、轉軸等已出現明顯損傷或松動之后，監測系統才會發出報警信號。此時，損傷部件通常已達到報廢標準，難以繼續使用，導致維護成本增加，并可能造成風機停機等重大經濟損失。

2、目前風電機組機艙中已安裝有監控攝像頭用于遠程監控，但這些設備主要用來觀察整體運行狀況，無法提供精準的故障預測功能。此外，風電行業經過多年的發展，已經積累了大量的故障數據，但現有技術并未有效利用這些數據進行智能分析和預測。因此，現有技術存在以下缺陷：

3、1）無法實現故障的提前預測：現有監測系統在部件發生損傷或松動后才發出報警，無法在故障早期階段提供預測預警，導致損傷擴大至不可修復。

4、2）依賴人工分析，效率低下：故障的判斷依賴工程技術人員對各項參數進行對比分析，這不僅增加了人力投入，而且易受主觀因素影響，準確性和效率難以保障。

5、3）缺乏對歷史故障數據的有效利用：雖然風電行業積累了大量的歷史數據，但現有的監測系統未能利用這些數據進行智能化分析，導致數據資源浪費。

6、針對上述問題，需要提出一種新的風電機組故障預測方案。

技術實現思路

1、本發明實施方式的目的是提供一種風電機組故障預測方法及系統，以至少解決現有風電機組故障預測精度不高和效率不足的問題。

2、為了實現上述目的，本發明第一方面提供一種風電機組故障預測方法，所述方法包括：基于設置在目標風電機組內各監測位置的紅外監測裝置，采集對應監測位置的紅外成像信息；對所述紅外成像信息執行目標區域分割，并執行關聯分割的目標區域與對應的目標部件關聯，獲得關聯數據；基于所述關聯數據調用預訓練完成的故障預測模型，獲得對應目標部件的故障預測結果；基于故障預測結果匹配并觸發對應的預警策略。

3、可選的，所述對所述紅外成像信息執行目標區域分割，包括：在紅外圖像中進行特征分割，識別有效的部件區域；對各部件區域進行輪廓識別，并基于識別輪廓進行對應部件區域分割，獲得各目標部件的分割區域。

4、可選的，所述在紅外圖像中進行特征分割，識別有效的部件區域，包括：基于當前紅外圖像的采集參數信息進行采集視場確定，并基于確定的采集視場進行當前采集視場內的所有目標部件的標識確定；基于所有目標部件的標識進行各目標部件的相對位置關系和尺寸比例關系進行確定部件定位關系；基于部件定位關系在當前紅外圖像中進行各目標部件標定，作為對應的有效的部件區域，并將非有效部件區域進行切割。

5、可選的，所述采集參數信息包括：焦距信息和視角信息；所述基于部件定位關系在當前紅外圖像中進行各目標部件標定，包括：基于yolo算法在當前紅外圖像中進行各目標部件識別，將識別置信度最大的目標部件作為參考部件；基于參考部件構建坐標系，并識別參考部件的尺寸信息；基于部件定位關系，基于與參考部件的相對位置關系和尺寸比例關系，進行各目標部件標定。

6、可選的，所述方法還包括執行故障預測模型訓練；所述故障預測模型的訓練規則為：采集故障狀態下各部件的歷史紅外圖像，并在各歷史紅外圖像中進行各目標部件劃分；對劃分的目標部件執行故障類型和故障等級標注，將標注后的紅外圖像作為訓練樣本；基于所述訓練樣本在預構建的神經網絡中進行模型訓練，獲得故障預測模型。

7、可選的，所述訓練樣本包括訓練集和測試集；所述基于所述訓練樣本在預構建的神經網絡中進行模型訓練，獲得故障預測模型，包括：以故障類型和故障等級為目標，以訓練集內的紅外圖像為入參，在預構建的神經網絡中進行模型訓練，獲得初始模型；基于測試集對所述初始模型執行校驗，將校驗通過的初始模型作為故障預測模型。

8、可選的，基于故障預測結果匹配并觸發對應的預警策略，包括：若故障預測結果的故障類型觸發預設關鍵故障類型，則觸發停機操作，并推送報警信息到監管端；若故障結果的故障類型未觸發預設關鍵故障類型，則基于故障結果的故障等級匹配對應等級的預警方案；其中，對應等級的預警方案包括：持續監測方案，持續監測對應目標部件，不推送報警信息；異常提醒方案，僅做異常狀態提醒，不推送報警信息；故障報警方案，推送報警信息到監管端。

9、可選的，推送報警信息到監管端的推送規則為：判斷有線通信是否正常；若有線通信正常，則基于有線通信執行報警信息推送；若有線通信異常，則基于無線通信執行報警信息推送。

10、本發明第二方面提供一種風電機組故障預測系統，所述系統包括：采集單元，用于基于設置在目標風電機組內各監測位置的紅外監測裝置，采集對應監測位置的紅外成像信息；分割單元，用于對所述紅外成像信息執行目標區域分割，并執行關聯分割的目標區域與對應的目標部件關聯，獲得關聯數據；預測單元，用于基于所述關聯數據調用預訓練完成的故障預測模型，獲得對應目標部件的故障預測結果；預警單元，用于基于故障預測結果匹配并觸發對應的預警策略。

11、另一方面，本發明提供一種計算機可讀儲存介質，該計算機可讀存儲介質上儲存有指令，其在計算機上運行時使得計算機執行上述的風電機組故障預測方法。

12、通過上述技術方案，本發明方案通過設置在風電機組內各監測位置的紅外監測裝置，采集對應位置的紅外成像信息，系統能夠實時對目標區域進行分割并與相關部件關聯。結合預訓練的故障預測模型，對目標部件的狀態進行智能預測，并在故障初現時匹配觸發相應的預警策略。這種方法有效提升了故障預測的準確性和響應速度，實現了設備狀態的全自動監控和提前預警，降低了因設備故障導致的停機風險，顯著提高了風電機組的可靠性與運維效率。

13、本發明實施方式的其它特征和優點將在隨后的具體實施方式部分予以詳細說明。

技術特征：

1.一種風電機組故障預測方法，其特征在于，所述方法包括：

2.根據權利要求1所述的方法，其特征在于，所述對所述紅外成像信息執行目標區域分割，包括：

3.根據權利要求2所述的方法，其特征在于，所述在紅外圖像中進行特征分割，識別有效的部件區域，包括：

4.根據權利要求3所述的方法，其特征在于，所述采集參數信息包括：

5.根據權利要求1所述的方法，其特征在于，所述方法還包括執行故障預測模型訓練；

6.根據權利要求5所述的方法，其特征在于，所述訓練樣本包括訓練集和測試集；

7.根據權利要求1所述的方法，其特征在于，基于故障預測結果匹配并觸發對應的預警策略，包括：

8.根據權利要求7所述的方法，其特征在于，推送報警信息到監管端的推送規則為：

9.一種風電機組故障預測系統，其特征在于，所述系統包括：

10.一種計算機可讀存儲介質，其特征在于，該計算機可讀存儲介質上儲存有指令，其在計算機上運行時使得計算機執行權利要求1-8中任一項權利要求所述的風電機組故障預測方法。

技術總結
本發明實施例提供一種風電機組故障預測方法及系統，屬于風電技術領域。所述方法包括：基于設置在目標風電機組內各監測位置的紅外監測裝置，采集對應監測位置的紅外成像信息；對所述紅外成像信息執行目標區域分割，并執行關聯分割的目標區域與對應的目標部件關聯，獲得關聯數據；基于所述關聯數據調用預訓練完成的故障預測模型，獲得對應目標部件的故障預測結果；基于故障預測結果匹配并觸發對應的預警策略。本發明方案有效提升了故障預測的準確性和響應速度，實現了設備狀態的全自動監控和提前預警，降低了因設備故障導致的停機風險，顯著提高了風電機組的可靠性與運維效率。

技術研發人員：車帥,汪正軍,王峰,劉金鹿,朱桐
受保護的技術使用者：國電聯合動力技術有限公司
技術研發日：
技術公布日：2025/3/13