【技术实现步骤摘要】
本专利技术属于海上风电机组电气系统诊断，具体涉及一种海上风电机组电气系统故障诊断方法及相关装置。
技术介绍
1、海上风电是一种利用大型风力发电机组在海上捕获风能并转化为电能的可再生能源技术，随着风电技术的不断发展和国家对清洁能源的大力支持，海上风电场的建设数量和规模在全球范围内快速增长。与陆上风电场相比，海上风电场具有风能资源丰富、占地面积小、对环境影响较小等优势。但同时，海上风电机组所处的海洋环境极为恶劣，如盐雾腐蚀、海浪冲击、强风振动等，给机组的安全运行带来了巨大挑战。其中，电气系统是风电机组的核心部件之一，其可靠性直接关系到风电场的持续运营，因此，及时诊断和处理电气系统故障对于确保海上风电场的稳定发电至关重要。
2、目前，国内外已有一些针对风电机组电气系统故障诊断的研究成果，主要包括基于经验规则或机器学习算法等技术方法。其中，基于经验规则的方法通过总结历史案例形成故障诊断规则库，但难以适应复杂多变的实际工况，而基于机器学习算法的方法则利用大量历史运行数据训练模型自动识别故障模式，具有较强的适应性和故障覆盖能力。现有方法主要依赖电气参数进行故障诊断，未融合海况及卫星数据等信息源，诊断精度和故障原因识别能力有一定局限性。同时，现有技术大多针对陆上风电场，未充分考虑海上环境的特殊性，如传感器防腐防潮的设计、海上数据无线可靠传输等问题。此外，传统方法缺乏决策支持功能，难以处理复杂故障情况并指导高效维修。
技术实现思路
1、本专利技术提供了一种海上风电机组电气系统故障诊断方
2、为了实现上述目的，本专利技术采用以下技术方案予以实现：
3、第一方面，提供了一种海上风电机组电气系统故障诊断方法，包括：
4、获取海上风电机组的电气系统数据和海况数据；
5、对获取的所述电气系统数据和海况数据进行预处理，并存储在时间序列数据库中；
6、利用所述时间序列数据库，建立电气故障识别模型和电气系统数字孪生模型；
7、通过所述电气故障识别模型，匹配故障模式及发生概率，使所述电气系统数字孪生模型还原故障发生状态，并得到诊断结果。
8、进一步地，获取海上风电机组的电气系统数据和海况数据，具体包括：
9、在海上风电机组的电气系统上布置不同类型的传感器，获取电气系统的运行数据；
10、获取海上风电机组所在海域的实时海况数据，将所述电气系统运行数据和所述海况数据进行时空数据融合。
11、进一步地，所述传感器包括电压、电流、功率、温度和振动传感器。
12、进一步地，对获取的所述电气系统数据和海况数据进行预处理，并存储在时间序列数据库中，包括：
13、采用无线自组网技术，对获取的电气系统数据和海况数据进行标定、滤波和时间同步预处理，并将预处理后的数据存储在时间序列库中。
14、进一步地，所述海况数据包括海流、浪涌、温盐度、气象数据和卫星遥感数据，所述卫星遥感数据包括风电机组和海域云图、海温和海冰数据。
15、进一步地，利用所述时间序列数据库，建立电气故障识别模型和电气系统数字孪生模型，具体包括：
16、从预处理数据中提取时域、频域和小波变化特征参数，建立基于机器学习的电气故障识别模型和电气系统数字孪生模型；
17、所述电气故障识别模型包括向量机、卷积神经网络和长短期记忆网络模型；
18、所述电气系统数字孪生模型包括发电机模型、变压器模型、电缆模型和控制系统模型。
19、进一步地，通过所述电气故障识别模型，匹配故障模式及发生概率，使所述电气系统数字孪生模型还原故障发生状态，并得到诊断结果，具体包括：
20、将电气系统数据输入至电气故障识别模型中，匹配故障模式和发生概率，并使电气系统数字孪生模型还原故障发生状态，结合海况数据分析故障发生的内外部原因及影响范围，并得到诊断结果；
21、基于所述诊断结果，提供维修决策和不同的维修方案，通过可视化技术支持多目标故障处理决策，并利用区块链技术对诊断过程及结果进行存证。
22、第二方面，提供了一种海上风电机组电气系统故障诊断系统，包括：
23、数据获取模块，用于获取风电机组数据；
24、数据分析和处理模块，用于对获取的海风电机组数据进行分析和处理；
25、特征提取模块，用于对分析和处理后数据进行特征提取；
26、模型建立模块，用于建立电气故障识别模型和电气系统数字孪生模型；
27、故障诊断模块，用于对故障进行诊断并得到诊断结果。
28、第三方面，提供了一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器中运行的计算机程序，所述处理器执行所述计算机程序时实现如上所述的海上风电机组电气系统故障诊断方法的步骤。
29、第四方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的海上风电机组电气系统故障诊断方法。
30、与现有技术相比，本专利技术具有以下有益效果：
31、1、通过同时获取电气系统数据和海况数据，能够全面考虑海上风电机组运行环境的多变性，不仅确保了数据的准确性和可靠性，还有助于提升诊断精度和故障原因识别能力。通过时间序列数据库中的数据建立的电气故障识别模型能够匹配故障模式及发生概率，迅速识别出可能的故障模式，并预测其发生概率，对于海上风电机组的运行安全至关重要。由于该方法综合考虑了电气系统数据和海况数据，并结合了时间序列数据库、电气故障识别模型和电气系统数字孪生模型等多种技术，因此其诊断结果具有很高的准确性，有助于减少误判和漏判的情况，提高故障诊断的效率和准确性。
32、2、通过在电气系统上布置不同类型的传感器，可以实时、准确地获取电气系统的各项运行数据，为后续的故障诊断提供可靠的依据。将电气系统运行数据和海况数据进行时空数据融合，能够更全面地反映海上风电机组的运行状态，能够综合考虑电气系统和海况数据的时空变化特性，提高故障诊断的效率和准确性。
33、3、电压、电流和功率传感器能够实时监测电气系统的电压、电流和功率等关键参数，确保数据的准确性和实时性，温度传感器则能够测量电气设备的温度，防止过热导致设备损坏，振动传感器则能够检测设备的振动情况，从而判断是否存在潜在的机械故障。
34、4、通过标定、滤波和时间同步等预处理手段，可以有效提升数据的质量和准确性，采用无线自组网技术可以实现对海上风电机组电气系统数据和海况数据的无线传输和组网，还可以实现数据的实时传输和同步，确保数据的时效性和一致性。
35、5、海况数据是影响海上风电机组运行的重要因素，通过海况数据可以更全面地了解风电机组所处的环境状态，从而更本文档来自技高网...
【技术保护点】
1.一种海上风电机组电气系统故障诊断方法，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，获取海上风电机组的电气系统数据和海况数据，具体包括：
3.根据权利要求2所述的方法，其特征在于，所述传感器包括电压、电流、功率、温度和振动传感器。
4.根据权利要求1所述的方法，其特征在于，对获取的所述电气系统数据和海况数据进行预处理，并存储在时间序列数据库中，包括：
5.根据权利要求4所述的方法，其特征在于，所述海况数据包括海流、浪涌、温盐度、气象数据和卫星遥感数据，所述卫星遥感数据包括风电机组和海域云图、海温和海冰数据。
6.根据权利要求1所述的方法，其特征在于，利用所述时间序列数据库，建立电气故障识别模型和电气系统数字孪生模型，具体包括：
7.根据权利要求1所述的方法，其特征在于，通过所述电气故障识别模型，匹配故障模式及发生概率，使所述电气系统数字孪生模型还原故障发生状态，并得到诊断结果，具体包括：
8.一种海上风电机组电气系统故障诊断系统，其特征在于，包括：
9.一种电子设备
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1～7任一项所述的海上风电机组电气系统故障诊断方法。
...【技术特征摘要】
1.一种海上风电机组电气系统故障诊断方法，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，获取海上风电机组的电气系统数据和海况数据，具体包括：
3.根据权利要求2所述的方法，其特征在于，所述传感器包括电压、电流、功率、温度和振动传感器。
4.根据权利要求1所述的方法，其特征在于，对获取的所述电气系统数据和海况数据进行预处理，并存储在时间序列数据库中，包括：
5.根据权利要求4所述的方法，其特征在于，所述海况数据包括海流、浪涌、温盐度、气象数据和卫星遥感数据，所述卫星遥感数据包括风电机组和海域云图、海温和海冰数据。
6.根据权利要求1所述的方法，其特征在于，利用所述时间序列数据库，建立电气故障识别模型和电气...
【专利技术属性】
技术研发人员：汪臻，赵勇，王海明，张轶东，邓巍，张万雄，方宇，韩佳明，朱义倩，
申请(专利权)人：华能浙江能源开发有限公司清洁能源分公司，
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。