(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 202111211995.2 (22)申请日 2021.10.18 (71)申请人 中国华能集团清洁能源技 术研究院 有限公司 地址 102209 北京市昌平区北七家未来科 技城华能人才创新创业基地实验楼A 楼 申请人 华能 （浙江） 能源开发有限公司清洁 能源分公司 (72)发明人 王青天　王海明　张育钧　张燧　 李小翔　曾谁飞　关建越　陈朝晖　 杨永前　冯帆　任鑫　王华　 (74)专利代理 机构 北京清亦华知识产权代理事 务所(普通 合伙) 11201 代理人 赵迪(51)Int.Cl. G06F 30/17(2020.01) G06F 30/27(2020.01) G06N 20/00(2019.01) G06F 113/06(2020.01) (54)发明名称 风电机组齿轮箱的故障诊断方法及装置 (57)摘要 本发明公开了一种风电机组齿轮箱的故障 诊断方法及装置。 该方法包括： 采集风电机组的 运行参数； 依次将齿轮箱参数中的一个参数作为 齿轮箱输出参数， 其他参数作为齿轮箱输入参 数； 将工况参数和齿轮箱输入参数输入至齿轮箱 输出参数对应的机器学习模型中， 得到齿轮箱输 出参数的预测值； 根据齿轮箱输出参数的预测值 和齿轮箱输出参数， 生成机器学习诊断结果； 将 工况参数和齿轮箱输入参数输入至齿轮箱输出 参数对应的规则模型中， 得到规则诊断结果； 根 据机器学习诊断结果、 规则诊断结果和规则集合 进行综合诊断， 得到目标诊断结果。 在较低成本 的前提下， 对齿轮箱进行准确诊断， 将有效提高 风电机组运行的可靠性， 降低机组关键部件损坏 风险。 权利要求书2页 说明书12页 附图5页 CN 114036656 A 2022.02.11 CN 114036656 A 1.一种风电机组齿轮箱的故障诊断方法， 其特 征在于， 包括： 采集风电机组的运行参数， 所述 运行参数中包括工况参数和齿轮箱参数； 依次将所述齿轮箱参数中的一个参数作为齿轮箱输出参数， 将所述齿轮箱参数中除所 述一个参数之外的其 他参数作为齿轮箱输入参数； 将所述工况参数和所述齿轮箱输入参数输入至所述齿轮箱输出参数对应的机器学习 模型中， 得到所述齿轮箱输出参数的预测值； 根据所述齿轮箱输出参数的预测值和所述齿轮箱输出参数， 生成机器学习诊断结果； 将所述工况参数和所述齿轮箱输入参数输入至所述齿轮箱输出参数对应的规则模型 中， 得到规则诊断结果； 根据所述机器学习诊断结果、 所述规则诊断结果和规则集合进行综合诊断， 得到目标 诊断结果。 2.根据权利要求1所述的故障诊断方法， 其特 征在于， 还 包括： 获取样本 机器学习诊断结果、 样本规则诊断结果和样本目标诊断结果； 基于关联规则分析方法确定与不同所述样本目标诊断结果对应的所述样本机器学习 诊断结果和所述样本规则诊断结果； 对所述与不同所述样本目标诊断结果对应的所述样本机器学习诊断结果和所述样本 规则诊断结果， 进行 校验和测试得到所述 规则集合。 3.根据权利要求1所述的故障诊断方法， 其特 征在于， 还 包括： 对所述规则诊断结果进行编码。 4.根据权利要求1所述的故障诊断方法， 其特 征在于， 还 包括： 确定所述齿轮箱输出参数的可运行域； 对超出所述可运行域的所述齿轮箱输出参数进行量 化， 得到所述 规则模型。 5.根据权利要求1所述的故障诊断方法， 其特 征在于， 还 包括： 根据厂家提供的所述齿轮箱输出参数的超限阈值对所述齿轮箱输出参数进行量化， 得 到所述规则模型。 6.根据权利要求1所述的故障诊断方法， 其特 征在于， 还 包括： 根据所述齿轮箱输出参数在不同时段的离散程度和波动状态， 对所述齿轮箱输出参数 进行量化， 得到所述 规则模型。 7.根据权利要求1所述的故障诊断方法， 其特 征在于， 还 包括： 根据样本齿轮箱输出参数确定目标样本齿轮箱输入参数； 将样本工况参数和所述目标样本齿轮箱输入参数作为输入， 将所述样本齿轮箱输出参 数作为输出， 对待训练的机器学习模型进行训练， 得到所述机器学习模型。 8.根据权利要求7 所述的故障诊断方法， 其特 征在于， 还 包括： 计算样本齿轮箱输入参数与所述样本齿轮箱输出参数的相关系数； 将所述相关系数较大的第一预设数量的所述样本齿轮箱输入参数确定为所述目标样 本齿轮箱输入参数。 9.根据权利要求7 所述的故障诊断方法， 其特 征在于， 还 包括： 将重要性较大的第二预设数量的样本齿轮箱输入参数确定为所述目标样本齿轮箱输 入参数。权　利　要　求　书 1/2 页 2 CN 114036656 A 210.根据权利要求1所述的故障诊断方法， 其特征在于， 所述根据所述齿轮箱输出参数 的预测值和所述齿轮箱输出参数， 生成机器学习诊断结果， 包括： 计算所述齿轮箱输出参数的预测值和所述齿轮箱输出参数之间的残差值； 根据所述残差值和残差值阈值 生成所述机器学习诊断结果。 11.根据权利要求1所述的故障诊断方法， 其特 征在于， 还 包括： 计算所述机器学习模型训练过程中的残差值的均值与标准差； 根据所述均值和所述标准差计算所述残差值阈值。 12.一种风电机组齿轮箱的故障诊断装置， 其特 征在于， 包括： 数据采集模块， 用于采集风电机组的运行参数， 所述运行参数中包括工况参数和齿轮 箱参数； 确定模块， 用于依次将所述齿轮箱参数中的一个参数作为齿轮箱输出参数， 将所述齿 轮箱参数中除所述 一个参数之外的其 他参数作为齿轮箱输入参数； 预测模块， 用于将所述工况参数和所述齿轮箱输入参数输入至所述齿轮箱输出参数对 应的机器学习模型中， 得到所述齿轮箱输出参数的预测值； 诊断模块， 用于根据所述齿轮箱输出参数的预测值和所述齿轮箱输出参数， 生成机器 学习诊断结果； 规则诊断模块， 用于将所述工况参数和所述齿轮箱输入参数输入至所述齿轮箱输出参 数对应的规则模型中， 得到规则诊断结果； 综合诊断模块， 用于根据所述机器学习诊断结果、 所述规则诊断结果和规则集合进行 综合诊断， 得到目标诊断结果。 13.一种风电机组， 其特征在于， 包括： 如权利要求12所述的风电机组齿轮箱 的故障诊 断装置。 14.一种电子设备， 其特征在于， 包括： 存储器、 处理器及存储在存储器上并可在处理器 上运行的计算机程序， 所述处理器执行所述程序时， 实现如权利要求1 ‑11任一项所述的风 电机组齿轮箱的故障诊断方法。 15.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 该程序被处理器 执行时实现如权利要求1 ‑11任一项所述的风电机组齿轮箱的故障诊断方法。权　利　要　求　书 2/2 页 3 CN 114036656 A 3