【技术实现步骤摘要】
本公开实施例涉及计算机，尤其涉及一种风电机组故障预警方法、装置、设备及存储介质。
技术介绍
1、随着大型化风电机组的迅猛发展，风电机组的单机容量越来越大，一旦发生故障，给风电场带来的损失也越来越多。在风电平价上网的时代下，风电机组的安全平稳运行尤为关键。由于风电机组运行环境复杂、工况多变，因此风电机组容易劣化出现故障，尤其是海上风电机组，其装机容量大、利用小时数多、平均风速高，工作环境湿度大、盐分高，更易发生故障且维修费用更高，会给风电场带来巨大的经济损失。因此风电机组故障预警变得越来越重要，通过故障预警可使工作人员及时对风电机组进行检查和维修，有效降低风电机组故障停机所带来的损失。
2、目前，常见的风电机组故障预警的方法主要是物理建模和数据驱动。物理建模是指通过深入了解风电机组的物理结构和运行原理，构建准确的数学模型，但是，风电机组的物理结构复杂，建立精确的物理模型难度较大。相较于物理建模方法，数据驱动方法不仅避免了模型建立的繁琐过程，还具备更强的普适性和灵活性，故障预警精度较低。因此，目前亟需一种简单、精确的新的风电机组故障预警方法。
技术实现思路
1、为了解决上述技术问题或者至少部分地解决上述技术问题，本公开实施例提供了一种风电机组故障预警方法、装置、设备及存储介质。
2、本公开实施例的第一方面提供了一种风电机组故障预警方法，该方法包括：
3、获取相关变量在当前周期的测量值，并对其进行预处理得到输入向量，其中，所述相关变量与多个目标变量均具
4、利用多任务预测模型中的共享层，对所述输入向量进行特征提取得到共享特征，并对所述共享特征进行复制得到所述多个目标变量分别对应的共享特征；
5、针对每个目标变量对应的共享特征，利用所述多任务预测模型中与其对应的子任务特征层，对其进行特征提取得到与对应的目标变量相匹配的特定特征；
6、针对每个所述目标变量相匹配的特定特征，利用所述多任务预测模型中与其对应的全连接层，对其进行映射得到对应的目标变量在当前周期的预测值；
7、获取所述多个目标变量在当前周期的测量值，并基于所述多个目标变量在当前周期的测量值和预测值对所述风电机组进行故障预测，以及在预测到故障时发出警报。
8、本公开实施例的第二方面提供了一种风电机组故障预警装置，该装置包括：
9、第一获取模块，用于获取相关变量在当前周期的测量值，并对其进行预处理得到输入向量，其中，所述相关变量与多个目标变量均具有相关性，所述相关变量和所述多个目标变量均属于风电机组的监测变量；
10、第一提取模块，用于利用多任务预测模型中的共享层，对所述输入向量进行特征提取得到共享特征，并对所述共享特征进行复制得到所述多个目标变量分别对应的共享特征；
11、第二提取模块，用于针对每个目标变量对应的共享特征，利用所述多任务预测模型中与其对应的子任务特征层，对其进行特征提取得到与对应的目标变量相匹配的特定特征；
12、第一映射模块，用于针对每个所述目标变量相匹配的特定特征，利用所述多任务预测模型中与其对应的全连接层，对其进行映射得到对应的目标变量在当前周期的预测值；
13、第二获取模块，用于获取所述多个目标变量在当前周期的测量值，并基于所述多个目标变量在当前周期的测量值和预测值对所述风电机组进行故障预测，以及在预测到故障时发出警报。
14、本公开实施例的第三方面提供了一种电子设备，该服务器包括：处理器和存储器，其中，所述存储器中存储有计算机程序，当所述计算机程序被所述处理器执行时，所述处理器执行上述第一方面的方法。
15、本公开实施例的第四方面提供了一种计算机可读存储介质，该存储介质中存储有计算机程序，当该计算机程序被处理器执行时，可以实现上述第一方面的方法。
16、本公开实施例提供的技术方案与现有技术相比具有如下优点：
17、本公开实施例，无需建立复杂的物理模型，通过已经学习了大量数据之间的复杂映射关系的多任务预测模型，实现对风电机组的多个目标变量的精准预测，易于建模，更加简单。并且，能够综合考虑风机电组的监测变量之间的相互影响，将与多个目标变量均具有相关性的相关变量在当前周期的测量值进行预处理得到输入向量，作为多任务预测模型的输入，以便多任务预测模型中的共享层能够对输入向量进行特征提取和复制得到共享特征，即不同预测任务之间的共享信息，并且多任务预测模型中各预测任务对应的各子任务特征层能够从共享特征中提取出与各自预测任务更紧密的特定特征，进而各预测任务对应的各全连接层能够更准确地映射出各自预测任务的预测结果(即对应的目标变量的预测值)，可见，本公开实施例能够实现不同预测任务间的特征或者说信息共享，提升多任务预测模型的学习能力，从而提升故障预警性能，即可提高对多个目标变量预测的准确性和可靠性。可见，本公开实施例具有简单、准确、可靠的优点。
本文档来自技高网...【技术保护点】
1.一种风电机组故障预警方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述相关变量的确定过程，包括：
3.根据权利要求2所述的方法，其特征在于，所述目标变量与所述候选变量的相似度值的计算过程，包括：
4.根据权利要求1所述的方法，其特征在于，所述共享层包括TCN层和Lambda层，所述子任务特征层包括GRU层。
5.根据权利要求1所述的方法，其特征在于，所述基于所述多个目标变量在当前周期的测量值和预测值对所述风电机组进行故障预测，包括：
6.根据权利要求5所述的方法，其特征在于，所述目标变量对应的残差阈值的确定过程，包括：
7.根据权利要求5所述的方法，其特征在于，在确定所述风电机组发生故障之后，还包括：
8.一种风电机组故障预警装置，其特征在于，包括：
9.一种电子设备，其特征在于，包括：
10.一种计算机可读存储介质，其特征在于，所述存储介质中存储有计算机程序，当所述计算机程序被处理器执行时，实现如权利要求1-7中任一项所述的方法。
【技术特征摘要】
1.一种风电机组故障预警方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述相关变量的确定过程，包括：
3.根据权利要求2所述的方法，其特征在于，所述目标变量与所述候选变量的相似度值的计算过程，包括：
4.根据权利要求1所述的方法，其特征在于，所述共享层包括tcn层和lambda层，所述子任务特征层包括gru层。
5.根据权利要求1所述的方法，其特征在于，所述基于所述多个目标变量在当前周期的测量值和预测值对所述风电机组...
【专利技术属性】
技术研发人员：韩爽，庞聪，刘永前，李莉，阎洁，
申请(专利权)人：华北电力大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。