基于自适应滑动窗口划分的风速仪故障预警方法及设备与流程

1.本发明属于机械设备状态监测领域，尤其涉及一种风速仪的故障预警方法，具体的是一种基于自适应滑动窗口划分的风速仪故障预警方法及设备。


背景技术：

2.风速仪所测的风速参数是风机启停以及变桨过程中的重要参考依据，其测量精度直接影响着整台风机的控制运行，进而对输入功率和发电量产生重要影响。因此，对风速仪进行及时准确的故障预警对维护风机的安全稳定运行有重要的实际意义。
3.依据对比同风场临近风机间的差异分析，能够及时检测到被测风机风速仪的故障发生状况，当风速仪状态异常或发生故障时，该风速参数的残差分布对明显与正常状态下的基准水平下残差分布有明显偏移，因此依据滑动窗口内残差序列的均值和标准差对风电机组测风仪的风速指标变化趋势进行连续监测。
4.常用的滑动窗口法以固定窗口大小和滑动步长为主要特征，顺次移动并划定等长序列片。然而，该方法的时序监测易受窗口大小的影响：窗口过大，导致单位序列片内数据基数过大、动态实时性差，不利于对环境干扰或工况变化导致的监测数据分布的异常突变做出反应；窗口过小，导致单位序列片内数据基数不足，虽实时检测性能得以提高，但容易陷入局部过拟合，对监测数据的正常波动或随机或客观因素而引起的孤立监测造成误检。
5.因此选择窗口大小适当的滑动窗口，能够快速连续地反映该台风机风速残差序列的变化趋势，同时提高风速仪故障预警的灵敏性，减少因窗口过小带来的故障误报现象。


技术实现要素：

6.为了解决现有技术中存在的问题，本发明提供一种基于自适应滑动窗口划分的风速仪故障预警方法及设备，该方法可以自适应地针对设备监测数据流进行滑动窗口设定，考虑了时间序列的趋势变化特征，从而准确把握时间序列随工况动态演化规律，同时以符号化的方式简化了数据处理的难度，可有效的对风速仪故障进行预警，并提高了预警的时效性和灵敏性。
7.为了实现上述目的，本发明采用的技术方案是：一种基于自适应滑动窗口划分的风速仪故障预警方法，包括以下步骤：
8.将同风场正常状态风机风速的平均水平作为基准，并结合3σ异常数据校验准则确定报警阈值；
9.基于组合信息熵的符号化滑动窗口划分法，设计自适应大小的滑动窗口；
10.基于所述自适应大小的滑动窗口，对在线监测数据流进行滑动检测，监控滑动窗口内待监测风速仪的风速与其他风机风速的平均水平的时间序列，超过报警阈值，引发报警。
11.作为进一步的优化，将同风场正常状态风机风速的平均水平作为基准，并结合异常数据校验准则确定报警阈值包括：
12.以待测风机风速仪为参考机，认定在以所述参考机为圆心，根据风场内气流运行规律趋近一致的区域面积确定邻近风机所在区域半径，同时将该区域内所有风电机组的风电机组作为邻近风机；
13.将待测机组的风速仪为参考位置点，获取所述邻近风机的每台风速仪测量的风速，基于风速廓线模型映射为参考点位置下的风速；
14.将全部邻近风机每小时映射为参考点位置下的风速取平均值绘制基准曲线，其概率分布可近似用正太分布进行描述，计算该基准曲线的位置参数为均值μ和尺度参数为σ，建立3σ准则模型；
15.使用3σ准则判断被测风速仪数据与拟合数据残差，如果残差不在区间(μ-3σ，μ+3σ)内，则判定为异常值。
16.作为进一步的优化，基于组合信息熵的符号化滑动窗口划分法，设计自适应大小的滑动窗口包括：
17.确定时间序列中波动幅值达到设定程度的极值点和设定时间段内大幅度波动的数据点；
18.对数据流分别进行静态编码和动态编码，静态序列和动态序列进行联合编码，并将联合编码符号化处理，得到符号化数据流；
19.计算符号化数据流的符号化组合信息熵；
20.基于所述符号化组合信息熵划分滑动窗口。
21.作为进一步的优化，波动幅值达到设定程度的极值点根据以下原则确定：
22.给定常数r，除左右端点外，满足以下公式的点为波动幅值达到设定程度的极值点，
[0023][0024]
xm＞x
m-1
，xm/x
m-1
＞r或xm＜x
m-1
，x
m-1
/xm＞r
[0025]
xm为时间序列中的点；
[0026]
设定时间段内大幅度波动的数据点时，给定常数k，直接相邻的两点，满足下列公式，则xm为短时间大幅度波动的数据点，
[0027][0028]
xm为时间序列中的点。
[0029]
作为进一步的优化，对数据流分别进行静态编码和动态编码，静态序列和动态序列进行联合编码，并将联合编码符号化处理包括：
[0030]
静态编码体现时间序列的幅值性，设定阈值线，高于阈值的设为状态“1”，低于阈值的设为状态“0”；
[0031]
动态编码体现实现序列的趋势性，对两个相邻的趋势转折点进行比较，上升趋势的设为状态“1”，下降趋势的设为状态“0”；
[0032]
将静态编码和动态编码联合编码为四种：00、01、10和11，并依次赋予符号a、b、c和d。
[0033]
作为进一步的优化，针对离散型随机序列的信息熵进行改进，符号化组合信息熵的计算公式如下：
[0034]
h(xj)＝-p(xa)log2(p(xa))-p(xb)log2(p(xb))
[0035]-p(xc)log2(p(xc))-p(xd)log2(p(xd))
[0036]
其中，p(xa)是符号序列中符号“a”所占的比例，p(xa)是符号序列中符号“b”所占的比例，p(xa)是符号序列中符号“c”所占的比例，p(xa)是符号序列中符号“d”所占的比例。
[0037]
作为进一步的优化，基于所述符号化组合信息熵划分滑动窗口包括：
[0038]
获取设定时间段的正常状态下设备在线监测数据流，从滑动窗口宽度调整处截至当前流入数据流时间片宽度为l；计算信息熵流的均值μ，设定阈值σ和σ
max
作为参考值，实时计算当前滑动窗口序列片的均值μi，计算δi＝|μ
i-μ|，滑动窗口宽度w
new
如下：
[0039][0040]
当信息熵流均值μi变化不大，即时，滑动窗口保持初始宽度w；当信息熵流均值μi变化较大，即时，滑动窗口宽度减小并对当前时间片重新探测，以便更好地针对在线监测流时间序列的局部趋势进行监测分析；当宽度3w的连续时间片内若均值μi均回归正常，则滑动窗口回归初始宽度w。
[0041]
作为进一步的优化，基于所述自适应大小的滑动窗口，对在线监测数据流进行滑动检测，监控滑动窗口内待监测风速仪的风速与其他风机风速的平均水平的时间序列，超过报警阈值，引发报警包括：
[0042]
将目标机组风速仪所测的风速与临近机组风速平均计算得到的基准曲线进行对比，计算残差均值和标准差作为监测统计量；利用所述滑动窗口对监测统计数据流上滑动，并依据时间序列的趋势变化特征自适应调整滑动窗口宽度的数值，如果残差均值或标准差超出(μ-3σ，μ+3σ)的范围，则判别数据存在异常，并记录该滑动窗口的位置；，当连续三个滑动窗口中存在数据判别异常的情况时，确认目标风机的测风仪存在故障，并发出报警信息。
[0043]
另外，本发明还提供一种计算机设备，包括处理器以及存储器，存储器用于存储计算机可执行程序，处理器从存储器中读取所述计算机可执行程序并执行，处理器执行计算可执行程序时能实现本发明所述基于自适应滑动窗口划分的风速仪故障预警方法。
[0044]
同时可以提供一种计算机可读存储介质，计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时，能实现本发明所述的基于自适应滑动窗口划分的风速仪故障预警方法。
[0045]
与现有技术相比，本发明至少具有以下有益效果：本发明提出了一种基于自适应滑动窗口的风速仪故障预警方法，本方法通过构建同风场临近风机测速仪的基准曲线模型，同时引入了基于组合信息熵的符号化滑动窗口划分法对连续滑动时间窗口，进行基于3σ准则报警阈值的故障判别，以此提高风速仪异常状态监测和故障预警的灵敏性和准确性；
为原始位置下的高度。
[0060]
基于3σ准则报警阈值，3σ准则是先假设1组检测数据只含有随机误差，对其进行计算处理得到σ和μ，确定1个区间(μ-3σ，μ+3σ)，该组数据在(μ-3σ，μ+3σ)区间的概率为99％，即可将超过这个区间的值判定为异常值。
[0061]
将全部临近机组每小时风速经风速廓线映射后的数据vr，取平均值绘制基准曲线，其概率分布可近似用正太分布进行描述，计算该基准曲线的位置参数为μ(均值)和尺度参数为σ，建立3σ准则模型。
[0062]
使用3σ准则判断被测风速仪数据与拟合数据残差，如果残差在区间(μ-3σ，μ+3σ)，则判定为正常值，否则为异常值。
[0063]
设计基于组合信息熵的符号化滑动窗口
[0064]
本发明设计的滑动窗口划分方法如图1所示，首先提取时间序列的趋势点进行动静符号化混合编码，并利用选定数据趋势点的组合信息熵划分滑动窗口。详细设计内容如下：
[0065]
1、确定时间序列的趋势转折点
[0066]
针对时间序列{(x1，t1)，...(x
m-1
，t
m-1
)，(xm，tm)，...(xn，tn)}提取以下两种时间序列趋势转折点：
[0067]
(1)波动幅值达到设定程度的极值点，即给定常数r，除两个端点值外，满足以下公式的点。
[0068][0069]
xm＞x
m-1
，xm/x
m-1
＞r或xm＜x
m-1
，x
m-1
/xm＞r
[0070]
(2)短时间大幅度波动的数据点，即给定常数k，直接相邻的两点，满足下列公式，则xm为。
[0071][0072]
2、动静符号化混合编码
[0073]
对数据流分别进行联合编码符号化，具体步骤如下
[0074]
(1)静态编码体现时间序列的幅值性，设定阈值线，高于阈值的设为状态“1”，低于阈值的设为状态“0”；
[0075]
(2)动态编码体现实现序列的趋势性，对两个相邻的趋势转折点进行比较，上升趋势的设为状态“1”，下降趋势的设为状态“0”；
[0076]
(3)编码联合符号化
[0077]
对静态序列和动态序列进行联合编码，并按照下列规则进行符号化表示，从而将数值序列转换为符号序列，规则如下表：
[0078][0079]
3、计算组合信息熵
[0080]
针对以上获得的“a”、“b”、“c”、“d”4种符号，从信息论角度利用组合信息熵对本段在线监测数据流所涵盖的幅值信息及趋势信息进行融合，使该段时间序列同时包含了四种符号动力学特征。
[0081]
利用信息熵对离散时间序列的有序化程度加以度量，该段时间序列的幅值随着序列的离散化程度地增高而增高。本发明针对离散型随机序列的信息熵进行改进，提出符号化组合信息熵的公式如下：
[0082]
h(xj)＝-p(xa)log2(p(xa))-p(xb)log2(p(xb))-p(xc)log2(p(xc))-p(xd)log2(p(xd))
[0083]
其中，p(xa)是符号序列中符号“a”所占的比例，p(xa)是符号序列中符号“b”所占的比例，p(xa)是符号序列中符号“c”所占的比例，p(xa)是符号序列中符号“d”所占的比例。
[0084]
4、基于信息熵划分滑动窗口
[0085]
获取一段时间的正常状态下设备在线监测数据流，从滑动窗口宽度调整处截至当前流入数据流时间片宽度为l，计算信息熵流的均值μ，设定阈值σ和σ
max
作为参考值，实时计算当前滑动窗口序列片的均值μi。
[0086]
计算δi＝|μ
i-μ|，滑动窗口宽度定义为：
[0087][0088]
当信息熵流均值μi变化不大(即)时，滑动窗口保持初始宽度w；当信息熵流均值μi变化较大(即)时，滑动窗口宽度减小并对当前时间片重新探测，以便更好地针对在线监测流时间序列的局部趋势进行监测分析；当宽度3w的连续时间片内若均值μi均回归正常，则滑动窗口回归初始宽度w。
[0089]
基于自适应滑动窗口的测速仪状态监测及故障预警。
[0090]
将目标机组风速仪所测的风速与临近机组风速平均计算得到的基准曲线进行对比，计算残差均值和标准差作为监测统计量。利用设计的滑动窗口对监测统计数据流上滑动，并依据时间序列的趋势变化特征自适应调整滑动窗口宽度的数值。
[0091]
根据3σ准则对滑动窗口内时间片的测风速仪数据与基准数据残差进行判断，如果残差均值或标准差超出(μ-3σ，μ+3σ)，则判别数据存在异常，并记录该滑动窗口的位置。
[0092]
由于滑动窗口自适应滑窗宽度的设计能够准确跟踪数据分布的趋势信息，当数据
分布趋于稳定、波动幅度较小的情况下，滑动窗口所涵盖的监测序列片数据基数大，而当数据分布趋势变化明显、波动幅度较大的情况下，滑动窗口所涵盖的监测信息片数据基数小却蕴含丰富趋势变化信息，当连续三个滑动窗口中存在数据判别异常的情况时，判断目标风机的测风仪存在故障。
[0093]
将连续三个滑动窗发生异常的情况及第一个滑动时间窗口的异常点位进行报警反馈，故障信息可推送至控制中心和终端设备，运行值班员也可监视页面状态显示进行故障信息的详细判断。
[0094]
综上所述，本发明提出了一种基于自适应滑动窗口划分的风速仪故障预警方法，本方法通过构建同风场临近风机测速仪的基准曲线模型，同时引入了基于组合信息熵的符号化滑动窗口划分法对连续滑动时间窗口，进行基于3σ准则报警阈值的故障判别，以此提高风速仪异常状态监测和故障预警的灵敏性和准确性；上述基于组合信息熵的滑动窗口预警法，较利用固定滑动时间窗口进行风速仪故障预警的方法，能够动态融合设备在线监测数据流的趋势信息，自适应调整滑动窗口大小，实时聚焦监测数据分布的异常突变，能够充分捕捉、监控风速仪的异常状态并及时预警。
[0095]
另外，本发明还可以提供一种计算机设备，包括处理器以及存储器，存储器用于存储计算机可执行程序，处理器从存储器中读取部分或全部所述计算机可执行程序并执行，处理器执行部分或全部计算可执行程序时能实现本发明所述基于自适应滑动窗口划分的风速仪故障预警方法。
[0096]
另一方面，本发明提供一种计算机可读存储介质，计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时，能实现本发明所述的基于自适应滑动窗口划分的风速仪故障预警方法。
[0097]
所述计算机设备可以采用笔记本电脑、桌面型计算机或工作站。
[0098]
处理器可以是中央处理器(cpu)、数字信号处理器(dsp)、专用集成电路(asic)或现成可编程门阵列(fpga)。
[0099]
对于本发明所述存储器，可以是笔记本电脑、桌面型计算机或工作站的内部存储单元，如内存、硬盘；也可以采用外部存储单元，如移动硬盘、闪存卡。
[0100]
计算机可读存储介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机可读存储介质可以包括：只读存储器
[0101]
(rom，read only memory)、随机存取记忆体(ram，random access memory)、固态硬盘(ssd，solid state drives)或光盘等。其中，随机存取记忆体可以包括电阻式随机存取记忆体(reram,resistance random access memory)和动态随机存取存储器(dram，dynamic random access memory)。

技术特征：
1.一种基于自适应滑动窗口划分的风速仪故障预警方法，其特征在于，包括以下步骤：将同风场正常状态风机风速的平均水平作为基准，并结合3σ异常数据校验准则确定报警阈值；基于组合信息熵的符号化滑动窗口划分法，设计自适应大小的滑动窗口；基于所述自适应大小的滑动窗口，对在线监测数据流进行滑动检测，监控滑动窗口内待监测风速仪的风速与其他风机风速的平均水平的时间序列，超过报警阈值，引发报警。2.根据权利要求1所述的基于自适应滑动窗口划分的风速仪故障预警方法，其特征在于，将同风场正常状态风机风速的平均水平作为基准，并结合异常数据校验准则确定报警阈值包括：以待测风机风速仪为参考机，认定在以所述参考机为圆心，根据风场内气流运行规律趋近一致的区域面积确定邻近风机所在区域半径，同时将该区域内所有风电机组的风电机组作为邻近风机；将待测机组的风速仪为参考位置点，获取所述邻近风机的每台风速仪测量的风速，基于风速廓线模型映射为参考点位置下的风速；将全部邻近风机每小时映射为参考点位置下的风速取平均值绘制基准曲线，其概率分布可近似用正太分布进行描述，计算该基准曲线的位置参数为均值μ和尺度参数为σ，建立3σ准则模型；使用3σ准则判断被测风速仪数据与拟合数据残差，如果残差不在区间(μ-3σ，μ+3σ)内，则判定为异常值。3.根据权利要求1所述的基于自适应滑动窗口划分的风速仪故障预警方法，其特征在于，基于组合信息熵的符号化滑动窗口划分法，设计自适应大小的滑动窗口包括：确定时间序列中波动幅值达到设定程度的极值点和设定时间段内大幅度波动的数据点；对数据流分别进行静态编码和动态编码，静态序列和动态序列进行联合编码，并将联合编码符号化处理，得到符号化数据流；计算符号化数据流的符号化组合信息熵；基于所述符号化组合信息熵划分滑动窗口。4.根据权利要求3所述的基于自适应滑动窗口划分的风速仪故障预警方法，其特征在于，波动幅值达到设定程度的极值点根据以下原则确定：给定常数r，除左右端点外，满足以下公式的点为波动幅值达到设定程度的极值点，x
m
>x
m-1
，x
m
/x
m-1
>r或x
m
<x
m-1
，x
m-1
/x
m
>rx
m
为时间序列中的点；设定时间段内大幅度波动的数据点时，给定常数k，直接相邻的两点，满足下列公式，则x
m
为短时间大幅度波动的数据点，
x
m
为时间序列中的点。5.根据权利要求3所述的基于自适应滑动窗口划分的风速仪故障预警方法，其特征在于，对数据流分别进行静态编码和动态编码，静态序列和动态序列进行联合编码，并将联合编码符号化处理包括：静态编码体现时间序列的幅值性，设定阈值线，高于阈值的设为状态“1”，低于阈值的设为状态“0”；动态编码体现实现序列的趋势性，对两个相邻的趋势转折点进行比较，上升趋势的设为状态“1”，下降趋势的设为状态“0”；将静态编码和动态编码联合编码为四种：00、01、10和11，并依次赋予符号a、b、c和d。6.根据权利要求3所述的基于自适应滑动窗口划分的风速仪故障预警方法，其特征在于，针对离散型随机序列的信息熵进行改进，符号化组合信息熵的计算公式如下：h(x
j
)＝-p(x
a
)log2(p(x
a
))-p(x
b
)log2(p(x
b
))-p(x
c
)log2(p(x
c
))-p(x
d
)log2(p(x
d
))其中，p(x
a
)是符号序列中符号“a”所占的比例，p(x
a
)是符号序列中符号“b”所占的比例，p(x
a
)是符号序列中符号“c”所占的比例，p(x
a
)是符号序列中符号“d”所占的比例。7.根据权利要求3所述的基于自适应滑动窗口划分的风速仪故障预警方法，其特征在于，基于所述符号化组合信息熵划分滑动窗口包括：获取一段时间的正常状态下设备在线监测数据流，从滑动窗口宽度调整处截至当前流入数据流时间片宽度为l；计算信息熵流的均值μ，设定阈值σ和σ
max
作为参考值，实时计算当前滑动窗口序列片的均值μ
i
，计算δ
i
＝|μ
i-μ|，滑动窗口宽度w
new
如下：当信息熵流均值μ
i
变化不大，即时，滑动窗口保持初始宽度w；当信息熵流均值μ
i
变化较大，即时，滑动窗口宽度减小并对当前时间片重新探测，以便更好地针对在线监测流时间序列的局部趋势进行监测分析；当宽度3w的连续时间片内若均值μ
i
均回归正常，则滑动窗口回归初始宽度w。8.根据权利要求3所述的基于自适应滑动窗口划分的风速仪故障预警方法，其特征在于，基于所述自适应大小的滑动窗口，对在线监测数据流进行滑动检测，监控滑动窗口内待监测风速仪的风速与其他风机风速的平均水平的时间序列，超过报警阈值，引发报警包括：将目标机组风速仪所测的风速与临近机组风速平均计算得到的基准曲线进行对比，计算残差均值和标准差作为监测统计量；利用所述滑动窗口对监测统计数据流上滑动，并依据时间序列的趋势变化特征自适应调整滑动窗口宽度的数值，如果残差均值或标准差超出(μ-3σ，μ+3σ)的范围，则判别数据存在异常，并记录该滑动窗口的位置；，当连续三个滑动窗口中存在数据判别异常的情况时，确认目标风机的测风仪存在故障，并发出报警信息。9.一种计算机设备，其特征在于，包括处理器以及存储器，存储器用于存储计算机可执
行程序，处理器从存储器中读取所述计算机可执行程序并执行，处理器执行计算可执行程序时能实现权利要求1至7中任一项所述基于自适应滑动窗口划分的风速仪故障预警方法。10.一种计算机可读存储介质，其特征在于，计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时，能实现如权利要求1至7中任一项所述的基于自适应滑动窗口划分的风速仪故障预警方法。

技术总结
本发明公开一种基于自适应滑动窗口划分的风速仪故障预警方法及设备，方法包括以下步骤：将同风场正常状态风机风速的平均水平作为基准，并结合3σ异常数据校验准则确定报警阈值；采用自适应大小的滑动窗口对在线监测数据流进行滑动检测；监控滑动窗口内待监测风速仪的风速与其他风机风速的平均水平的时间序列，超过报警阈值，引发报警；本发明提出的基于组合信息熵的滑动窗口划分法能够动态融合设备在线监测数据流的趋势信息，自适应调整滑动窗口大小，实时聚焦监测数据分布的异常突变，能够充分捕捉、监控风速仪的异常状态并及时预警。警。警。


技术研发人员：张鑫赟 刘兴伟 李芊 沙德生 李德永 张庆 周利鹏 王玉玉 石永利 宋佳琛 浦永卿 刘勇 安留明
受保护的技术使用者：中国华能集团清洁能源技术研究院有限公司
技术研发日：2023.05.19
技术公布日：2023/8/21