(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 202111243323.X (22)申请日 2021.10.25 (71)申请人 华能射阳新能源发电有限公司 地址 224330 江苏省射阳县临港 工业区金 海大道东侧， 纬二路北侧 申请人 中国华能集团清洁能源技 术研究院 有限公司 　 华能国际电力江苏能源开发有限公 司　 华能国际电力江苏能源开发有限公 司清洁能源分公司 (72)发明人 王青天　杭兆峰　姚中原　牛晨晖　 张燧　李小翔　曾谁飞　马强　 吴凯　王有超　袁赛杰　杨永前　 冯帆　任鑫　(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. G06Q 10/04(2012.01) G06Q 50/06(2012.01) G06N 3/04(2006.01) G06K 9/62(2022.01) G06F 30/27(2020.01) (54)发明名称 风电机组的故障预测方法及装置 (57)摘要 本发明公开了一种风电机组的故障预测方 法及装置。 该方法包括： 采集风电机组各子系统 的运行参数， 确定运行参数中的目标运行参数， 依次将目标运行参数中的一个参数作为一级模 型的输出参数， 将目标运行参数中除一个参数之 外的其他参数作为一级模型的输入参数， 根据一 级模型的输入参数和一级模型的输出参数对应 的一级模型， 得到一级模型的输出参数的预测 值， 根据各一级模型的输出参数的预测值和二级 模型， 得到故障预测结果。 本发明实施例基于一 级模型对风电机组各个子系统的目标运行参数 进行预测， 实现各个子系统故障特征的二次提 取， 基于一级模 型的预测值通过二级模型对风电 机组进行故障预测， 增强故障预测的准确性和通 用性。 权利要求书2页 说明书12页 附图5页 CN 114037127 A 2022.02.11 CN 114037127 A 1.一种风电机组的故障预测方法， 其特 征在于， 包括： 采集风电机组各子系统的运行参数； 确定所述 运行参数中的目标运行参数； 依次将所述目标运行参数中的一个参数作为一级模型的输出参数， 将所述目标运行参 数中除所述 一个参数之外的其 他参数作为所述 一级模型的输入参数； 根据所述一级模型的输入参数和所述一级模型的输出参数对应的所述一级模型， 得到 所述一级模型的输出参数的预测值； 根据各所述一级模型的输出参数的预测值和二级模型， 得到故障预测结果。 2.根据权利要求1所述的故障预测方法， 其特征在于， 所述确定所述运行参数中的目标 运行参数， 包括： 对所述运行参数中的异常数据进行清洗； 根据样本目标运行参数确定清洗后的所述 运行参数中的所述目标运行参数。 3.根据权利要求2所述的故障预测方法， 其特 征在于， 还 包括： 采集风电机组各子系统的样本运行参数； 对所述样本运行参数中的异常数据进行清洗； 根据专家经验对清洗后的所述样本运行参数进行初步筛 选； 对初步筛选后的所述样本运行参数进行方差筛选， 并剔除方差小于预设的方差阈值的 所述样本运行参数； 对方差筛选后的所述样本运行参数进行相关度筛选， 并将相关系数大于预设的相关系 数阈值的所述样本运行参数确定为所述样本目标运行参数。 4.根据权利要求3所述的故障预测方法， 其特 征在于， 还 包括： 依次将所述样本目标运行参数中的一个参数作为一级模型的样本输出参数， 将所述样 本目标运行参数中除所述 一个参数之外的其 他参数作为所述 一级模型的样本 输入参数； 对所述一级模型的样本输入参数进行特征提取， 得到所述一级模型的样本输入参数特 征； 将所述样本输入参数特征作为输入， 将所述样本输出参数作为输出， 对待训练的一级 模型进行训练， 得到所述 一级模型。 5.根据权利要求1所述的故障预测方法， 其特征在于， 所述根据 所述一级模型的输入参 数和所述一级模型的输出参数对应的所述一级模型， 得到所述一级模型的输出参数的预测 值， 包括： 对所述一级模型的输入参数进行 特征提取， 得到所述 一级模型的输入参数 特征； 将所述一级模型的输入参数特征输入至所述一级模型的输出参数对应的所述一级模 型中， 得到所述 一级模型的输出参数的预测值。 6.根据权利要求1所述的故障预测方法， 其特征在于， 所述根据 各所述一级模型的输出 参数的预测值和二级模型， 得到故障预测结果， 包括： 计算所述一级模型的输出参数和所述一级模型的输出参数的预测值的差值， 得到残差 特征； 根据残差特 征和时间信息生成残差状态特 征； 将所述残差特征、 所述残差状态特征和工况数据输入至所述二级模型中， 得到所述故权　利　要　求　书 1/2 页 2 CN 114037127 A 2障预测结果。 7.根据权利要求1所述的故障预测方法， 其特 征在于， 还 包括： 计算样本故障发生前预设数量个时间周期内所述一级模型的样本输出参数和所述一 级模型的样本 输出参数的预测值的差值， 得到样本残差特 征； 根据样本残差特 征和样本时间信息生成样本残差状态特 征； 将所述样本残差特征、 所述样本残差状态特征和样本工况数据作为输入， 将所述样本 故障作为输出， 对待训练的二级模型进行训练， 得到所述 二级模型。 8.一种风电机组的故障预测装置， 其特 征在于， 包括： 采集模块， 用于采集 风电机组各子系统的运行参数； 第一确定模块， 用于确定所述 运行参数中的目标运行参数； 第二确定模块， 用于依次将所述目标运行参数中的一个参数作为一级模型的输出参 数， 将所述目标运行参数中除所述一个参数之外的其他参数作为所述一级模型的输入参 数； 第一预测模块， 用于根据所述一级模型的输入参数和所述一级模型的输出参数对应的 所述一级模型， 得到所述 一级模型的输出参数的预测值； 第二预测模块， 用于根据各所述一级模型的输出参数的预测值和二级模型， 得到故障 预测结果。 9.一种风电机组， 其特 征在于， 包括： 如权利要求8所述的风电机组的故障预测装置 。 10.一种电子设备， 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 1‑7任一项所述的风电 机组的故障预测方法。 11.一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 ‑7任一项所述的风电机组的故障预测方法。权　利　要　求　书 2/2 页 3 CN 114037127 A 3