一种风力发电机组的智能监测预警方法及系统与流程

1.本发明涉及数据处理领域，具体地，涉及一种风力发电机组的智能监测预警方法及系统。


背景技术：

2.随着人们对可再生资源的逐步开发，风能作为一种可再生的绿色资源受到广泛关注。风力发电机组的应用市场急剧扩大，风力发电机组的监测预警需求也急剧变化。传统的监测预警模式已无法满足现代化的风力发电机组的监测预警需求。研究设计一种对风力发电机组进行优化监测预警的方法，具有十分重要的现实意义。
3.现有技术中，存在针对风力发电机组的监测预警精准性不足，进而造成风力发电机组的监测预警效果不佳的技术问题。


技术实现要素：

4.本技术提供了一种风力发电机组的智能监测预警方法及系统。解决了现有技术中针对风力发电机组的监测预警精准性不足，进而造成风力发电机组的监测预警效果不佳的技术问题。达到了提高对风力发电机组进行监测预警的精准性，提升风力发电机组的监测预警质量，为风力发电机组的安全运行提供有力保障的技术效果。
5.鉴于上述问题，本技术提供了一种风力发电机组的智能监测预警方法及系统。
6.第一方面，本技术提供了一种风力发电机组的智能监测预警方法，其中，所述方法应用于一种风力发电机组的智能监测预警系统，所述方法包括：对目标风机组进行信息采集，获得机组基础信息；获得多级机组监测指标，其中，所述多级机组监测指标包括机组环境监测指标、机组振动监测指标、机组噪音监测指标和机组温度监测指标；基于所述机组基础信息和所述多级机组监测指标，对所述目标风机组进行监测规划分析，获得机组监测方案；基于所述机组监测方案，通过所述智能监测模块对所述目标风机组进行实时监测，获得多维机组监测数据集，其中，所述多维机组监测数据集包括机组环境监测数据、机组振动监测数据、机组噪音监测数据和机组温度监测数据；通过机组监测评估模型对所述机组振动监测数据、所述机组噪音监测数据和所述机组温度监测数据进行风险评估，获得多维风险评估数据；基于所述机组环境监测数据进行机组环境影响分析，获得多维机组环境影响系数，并基于所述多维机组环境影响系数对所述多维风险评估数据进行修正，获得修正风险评估数据；获得预设机组预警约束条件；判断所述修正风险评估数据是否满足所述预设机组预警约束条件，如果所述修正风险评估数据满足所述预设机组预警约束条件，获得预警信号，按照所述预警信号对所述目标风机组进行预警。
7.第二方面，本技术还提供了一种风力发电机组的智能监测预警系统，其中，所述系统包括：机组信息采集模块，所述机组信息采集模块用于对目标风机组进行信息采集，获得机组基础信息；机组监测指标获得模块，所述机组监测指标获得模块用于获得多级机组监测指标，其中，所述多级机组监测指标包括机组环境监测指标、机组振动监测指标、机组噪
音监测指标和机组温度监测指标；监测规划分析模块，所述监测规划分析模块用于基于所述机组基础信息和所述多级机组监测指标，对所述目标风机组进行监测规划分析，获得机组监测方案；实时监测模块，所述实时监测模块用于基于所述机组监测方案，通过所述智能监测模块对所述目标风机组进行实时监测，获得多维机组监测数据集，其中，所述多维机组监测数据集包括机组环境监测数据、机组振动监测数据、机组噪音监测数据和机组温度监测数据；风险评估模块，所述风险评估模块用于通过机组监测评估模型对所述机组振动监测数据、所述机组噪音监测数据和所述机组温度监测数据进行风险评估，获得多维风险评估数据；数据修正模块，所述数据修正模块用于基于所述机组环境监测数据进行机组环境影响分析，获得多维机组环境影响系数，并基于所述多维机组环境影响系数对所述多维风险评估数据进行修正，获得修正风险评估数据；预警条件获得模块，所述预警条件获得模块用于获得预设机组预警约束条件；预警模块，所述预警模块用于判断所述修正风险评估数据是否满足所述预设机组预警约束条件，如果所述修正风险评估数据满足所述预设机组预警约束条件，获得预警信号，按照所述预警信号对所述目标风机组进行预警。
8.第三方面，本技术还提供了一种电子设备，包括：存储器，用于存储可执行指令；处理器，用于执行所述存储器中存储的可执行指令时，实现本技术提供的一种风力发电机组的智能监测预警方法。
9.第四方面，本技术还提供了一种计算机可读存储介质，存储有计算机程序，该程序被处理器执行时,实现本技术提供的一种风力发电机组的智能监测预警方法。
10.本技术中提供的一个或多个技术方案，至少具有如下技术效果或优点：
11.通过对目标风机组进行信息采集，获得机组基础信息；通过机组基础信息和多级机组监测指标，对目标风机组进行监测规划分析，获得机组监测方案；基于机组监测方案，通过智能监测模块对目标风机组进行实时监测，获得机组环境监测数据、机组振动监测数据、机组噪音监测数据和机组温度监测数据；通过机组监测评估模型对机组振动监测数据、机组噪音监测数据和机组温度监测数据进行风险评估，获得多维风险评估数据；通过对机组环境监测数据进行机组环境影响分析，获得多维机组环境影响系数，并根据多维机组环境影响系数对多维风险评估数据进行修正，获得修正风险评估数据；判断修正风险评估数据是否满足预设机组预警约束条件，如果修正风险评估数据满足预设机组预警约束条件，获得预警信号，按照预警信号对目标风机组进行预警。达到了提高对风力发电机组进行监测预警的精准性，提升风力发电机组的监测预警质量，为风力发电机组的安全运行提供有力保障的技术效果。
12.上述说明仅是本技术技术方案的概述，为了能够更清楚了解本技术的技术手段，而可依照说明书的内容予以实施，并且为了让本技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本技术的具体实施方式。
附图说明
13.为了更清楚地说明本公开实施例的技术方案,下面将对本公开实施例的附图作简单地介绍。明显地，下面描述中的附图仅仅涉及本公开的一些实施例,而非对本公开的限制。
14.图1为本技术一种风力发电机组的智能监测预警方法的流程示意图；
15.图2为本技术一种风力发电机组的智能监测预警方法中获得机组监测方案的流程示意图；
16.图3为本技术一种风力发电机组的智能监测预警系统的结构示意图；
17.图4为本技术示例性电子设备的结构示意图。
18.附图标记说明：机组信息采集模块11，机组监测指标获得模块12，监测规划分析模块13，实时监测模块14，风险评估模块15，数据修正模块16，预警条件获得模块17，预警模块18，处理器31，存储器32，输入装置33，输出装置34。
具体实施方式
19.本技术通过提供一种风力发电机组的智能监测预警方法及系统。解决了现有技术中针对风力发电机组的监测预警精准性不足，进而造成风力发电机组的监测预警效果不佳的技术问题。达到了提高对风力发电机组进行监测预警的精准性，提升风力发电机组的监测预警质量，为风力发电机组的安全运行提供有力保障的技术效果。
20.实施例一
21.请参阅附图1，本技术提供一种风力发电机组的智能监测预警方法，其中，所述方法应用于一种风力发电机组的智能监测预警系统，所述系统包括智能监测模块，所述方法具体包括如下步骤：
22.步骤s100：对目标风机组进行信息采集，获得机组基础信息；
23.步骤s200：获得多级机组监测指标，其中，所述多级机组监测指标包括机组环境监测指标、机组振动监测指标、机组噪音监测指标和机组温度监测指标；
24.具体而言，通过对目标风机组进行信息采集，获得机组基础信息，并确定多级机组监测指标。其中，所述目标风机组为使用所述一种风力发电机组的智能监测预警系统进行智能化监测预警的任意风力发电机组。所述机组基础信息包括目标风机组的构件组成信息、构件结构信息、构件尺寸信息、构件材料信息等数据信息。所述多级机组监测指标包括机组环境监测指标、机组振动监测指标、机组噪音监测指标和机组温度监测指标。达到了确定机组基础信息和多级机组监测指标，为后续对目标风机组进行监测预警奠定基础的技术效果。
25.步骤s300：基于所述机组基础信息和所述多级机组监测指标，对所述目标风机组进行监测规划分析，获得机组监测方案；
26.进一步的，如附图2所示，本技术步骤s300还包括：
27.步骤s310：基于所述机组基础信息和所述多级机组监测指标，对所述目标风机组进行监测特征分析，获得机组监测特征分析结果；
28.进一步的，本技术步骤s310还包括：
29.步骤s311：从所述机组基础信息中提取出目标风机组的构件组成信息；
30.步骤s312：基于所述构件组成信息，采集所述目标风机组的历史预警信息，获得机组构件预警数据库；
31.步骤s313：基于所述机组构件预警数据库进行预警因子分析，获得构件预警因子数据集；
32.步骤s314：基于所述多级机组监测指标和所述构件预警因子数据集进行关联性分
析，获得指标因子关联性分析结果；
33.步骤s315：基于所述多级机组监测指标，设置预警数据分类约束条件；
34.步骤s316：基于所述预警数据分类约束条件和所述指标因子关联性分析结果对所述机组构件预警数据库进行分类，获得多组指标构件预警数据集；
35.步骤s317：基于所述多组指标构件预警数据集进行指标频率统计，获得多组指标频率参数；
36.步骤s318：基于所述多组指标频率参数对所述构件组成信息进行标记，获得所述机组监测特征分析结果。
37.具体而言，从机组基础信息中提取出目标风机组的构件组成信息。所述构件组成信息包括目标风机组的叶片、齿轮箱、发电机等多个构件。进而，基于构件组成信息，对目标风机组进行历史预警信息的采集，获得机组构件预警数据库，并对机组构件预警数据库进行预警因子分析，获得构件预警因子数据集。其中，所述机组构件预警数据库包括目标风机组的多个构件对应的多个机组构件预警数据集。每个机组构件预警数据集包括目标风机组的每个构件对应的多个历史预警信息。所述构件预警因子数据集包括多个构件预警因子。多个构件预警因子包括机组构件预警数据库中多个历史预警信息对应的多个预警原因信息。
38.进一步，分别将多级机组监测指标和构件预警因子数据集进行关联性分析，获得指标因子关联性分析结果。所述指标因子关联性分析结果包括多个指标因子关联性参数。多个指标因子关联性参数包括多级机组监测指标中每个机组监测指标与构件预警因子数据集中的多个构件预警因子之间的关联性参数。继而，按照预警数据分类约束条件和指标因子关联性分析结果，对机组构件预警数据库进行分类，获得多组指标构件预警数据集。所述预警数据分类约束条件包括预先设置确定的多级机组监测指标对应多个指标因子关联性参数范围。多组指标构件预警数据集包括多个构件对应的环境预警数据集、振动预警数据集、噪音预警数据集、温度预警数据集。继而，对多组指标构件预警数据集进行指标频率统计，获得多组指标频率参数，并按照多组指标频率参数对构件组成信息进行标记，获得机组监测特征分析结果。所述多组指标频率参数包括多个构件对应的环境预警频率系数、振动预警频率系数、噪音预警频率系数、温度预警频率系数。例如，目标风机组的叶片对应的环境预警数据集的数据量为a，机组构件预警数据库中目标风机组的叶片对应的预警数据集的数据量为a。则，目标风机组的叶片对应的环境预警频率系数为a与a的比值。所述机组监测特征分析结果包括多组指标频率参数、构件组成信息。达到了通过对目标风机组进行监测特征分析，获得机组监测特征分析结果，从而提高对目标风机组进行监测规划分析的准确性的技术效果。
39.步骤s320：构建监测规划分析模型；
40.步骤s330：将所述机组基础信息、所述多级机组监测指标和所述机组监测特征分析结果输入所述监测规划分析模型，获得所述机组监测方案。
41.具体而言，基于机组基础信息、多级机组监测指标、机组监测特征分析结果进行历史数据查询，获得多组构建数据集。每组构建数据集包括历史机组基础信息、多级机组监测指标、历史机组监测特征分析结果、历史机组监测方案。对多组构建数据集进行随机数据划分，获得数据训练集、数据测试集。示例性地，将多组构建数据集中70％的数据信息划分为
数据训练集，将多组构建数据集中30％的数据信息划分为数据测试集。将数据训练集进行不断的自我训练学习至收敛状态，获得监测规划分析模型。将数据测试集作为输入信息，输入监测规划分析模型，通过数据测试集对监测规划分析模型进行参数更新。所述监测规划分析模型包括输入层、隐含层、输出层。进而，将机组基础信息、多级机组监测指标和机组监测特征分析结果输入监测规划分析模型，获得机组监测方案。所述机组监测方案包括目标风机组对应的环境监测点、振动监测点、噪音监测点和温度监测点的位置信息及数量信息。达到了通过监测规划分析模型对目标风机组进行准确、可靠的监测规划分析，提高对目标风机组进行监测的可靠性的技术效果。
42.步骤s400：基于所述机组监测方案，通过所述智能监测模块对所述目标风机组进行实时监测，获得多维机组监测数据集，其中，所述多维机组监测数据集包括机组环境监测数据、机组振动监测数据、机组噪音监测数据和机组温度监测数据；
43.具体而言，按照机组监测方案对目标风机组进行风速传感器、风向传感器、振动传感器、噪音传感器、温度传感器的布设，并将布设完成的风速传感器、风向传感器、振动传感器、噪音传感器、温度传感器与智能监测模块进行通信连接。利用智能监测模块对目标风机组进行实时监测，获得多维机组监测数据集。其中，所述多维机组监测数据集包括目标风机组的机组环境监测数据、机组振动监测数据、机组噪音监测数据和机组温度监测数据。所述机组环境监测数据包括目标风机组对应的实时风速信息、实时风向信息、实时环境温度信息。所述机组振动监测数据包括目标风机组的多个振动监测点对应的多个实时振动频率参数、多个实时振幅参数。所述机组噪音监测数据包括目标风机组的多个噪音监测点对应的多个实时噪音分贝参数。所述机组温度监测数据包括目标风机组的多个温度监测点对应的多个温度参数信息。达到了通过智能监测模块对目标风机组进行实时监测，获得可靠的多维机组监测数据集，从而提高对目标风机组进行监测预警的精准性的技术效果。
44.步骤s500：通过机组监测评估模型对所述机组振动监测数据、所述机组噪音监测数据和所述机组温度监测数据进行风险评估，获得多维风险评估数据；
45.进一步的，本技术步骤s500还包括：
46.步骤s510：所述机组监测评估模型包括输入层、异常检测层、风险评估层、输出层；
47.步骤s520：将所述机组振动监测数据、所述机组噪音监测数据和所述机组温度监测数据输入所述异常检测层，获得多维异常检测数据集；
48.进一步的，本技术步骤s520还包括：
49.步骤s521：基于所述机组基础信息进行所述目标风机组的同型号风机组的数据采集，获得机组正态运行数据库，其中，所述机组正态运行数据库包括机组正态振动数据集、机组正态噪音数据集和机组正态温度数据集；
50.步骤s522：基于所述机组正态运行数据库，获得多级机组正态区间，并将所述多级机组正态区间嵌入至所述异常检测层，其中，所述多级机组正态区间包括机组正态振动区间、机组正态噪音区间、机组正态温度区间；
51.步骤s523：分别将所述机组振动监测数据、所述机组噪音监测数据、所述机组温度监测数据和所述多级机组正态区间进行比对，获得机组异常数据集；
52.步骤s524：基于所述机组振动监测数据、所述机组噪音监测数据、所述机组温度监测数据和所述机组异常数据集进行异常占比计算，获得多维机组异常系数；
53.步骤s525：基于所述机组异常数据集和所述多维机组异常系数，获得所述多维异常检测数据集。
54.具体而言，基于机组基础信息，对目标风机组进行同型号风机组的数据采集，获得机组正态运行数据库。基于机组正态运行数据库，设置多级机组正态区间，并将多级机组正态区间嵌入至异常检测层。其中，所述机组正态运行数据库包括机组正态振动数据集、机组正态噪音数据集和机组正态温度数据集。所述机组正态振动数据集包括目标风机组的多个同型号风力发电机组在正常运行时的多个历史振动频率参数、多个历史振幅参数。且，多个同型号风力发电机组与目标风机组具有相同的机组基础信息。所述机组正态噪音数据集包括目标风机组的多个同型号风力发电机组在正常运行时的多个历史噪音分贝参数。所述机组正态温度数据集包括目标风机组的多个同型号风力发电机组在正常运行时的多个历史温度参数信息。所述多级机组正态区间包括机组正态振动区间、机组正态噪音区间、机组正态温度区间。所述机组正态振动区间包括机组正态振动数据集对应的振动频率参数范围信息、振幅参数范围信息。所述机组正态噪音区间包括机组正态噪音数据集对应的噪音分贝参数范围信息。所述机组正态温度区间包括机组正态温度数据集对应的温度参数范围信息。
55.进一步，分别将机组振动监测数据、机组噪音监测数据、机组温度监测数据与对应的机组正态振动区间、机组正态噪音区间、机组正态温度区间进行比对，获得机组异常数据集。所述机组异常数据集包括机组振动异常数据集、机组噪音异常数据集、机组温度异常数据集。所述机组振动异常数据集包括不满足机组正态振动区间的机组振动监测数据。所述机组噪音异常数据集包括不满足机组正态噪音区间的机组噪音监测数据。所述机组温度监测数据包括不满足机组正态温度区间的机组温度监测数据。
56.进而，对机组振动监测数据、机组噪音监测数据、机组温度监测数据进行数据量统计，获得振动监测数据量、噪音监测数据量、温度监测数据量。对机组振动异常数据集、机组噪音异常数据集、机组温度异常数据集进行数据量统计，获得振动异常数据量、噪音异常数据量、温度异常数据量。继而，分别将振动异常数据量、噪音异常数据量、温度异常数据量与对应的振动监测数据量、噪音监测数据量、温度监测数据量进行比值计算，获得振动异常系数、噪音异常系数、温度异常系数。将振动异常系数、噪音异常系数、温度异常系数添加至多维机组异常系数，结合机组异常数据集，获得多维异常检测数据集。所述多维机组异常系数包括振动异常系数、噪音异常系数、温度异常系数。所述多维异常检测数据集包括机组异常数据集、多维机组异常系数。达到了通过多级机组正态区间对机组振动监测数据、机组噪音监测数据和机组温度监测数据进行异常检测，获得可靠的多维异常检测数据集，从而提高对目标风机组进行运行风险评估的准确性的技术效果。
57.步骤s530：将所述多维异常检测数据集输入所述风险评估层，所述风险评估层按照多维度风险评估指标对所述多维异常检测数据集进行评估，获得所述多维风险评估数据，其中，所述多维度风险评估指标包括机组振动风险评估指标、机组噪音风险评估指标和机组温度风险评估指标，所述多维风险评估数据包括机组振动风险评估系数、机组噪音风险评估系数和机组温度风险评估系数。
58.具体而言，将多维异常检测数据集作为输入信息，输入风险评估层，获得多维风险评估数据。其中，所述风险评估层包括预先设置确定的多维度风险评估指标。所述多维度风
险评估指标包括机组振动风险评估指标、机组噪音风险评估指标和机组温度风险评估指标。所述多维风险评估数据包括机组振动风险评估系数、机组噪音风险评估系数和机组温度风险评估系数。机组振动风险评估系数越高，则，目标风机组的振动异常程度越高。示例性地，在构建风险评估层时，基于多维异常检测数据集进行历史数据查询，获得多个历史异常检测数据集、多个历史风险评估数据。将多个历史异常检测数据集、多个历史风险评估数据进行不断的自我训练学习至收敛状态，即可获得风险评估层。风险评估层具备对输入的多维异常检测数据集进行智能化分析及风险评估系数匹配的功能。达到了通过机组监测评估模型的风险评估层对多维异常检测数据集进行可靠地风险评估，获得准确的多维风险评估数据，从而提高对目标风机组进行预警的准确性的技术效果。
59.步骤s600：基于所述机组环境监测数据进行机组环境影响分析，获得多维机组环境影响系数，并基于所述多维机组环境影响系数对所述多维风险评估数据进行修正，获得修正风险评估数据；
60.进一步的，本技术步骤s600还包括：
61.步骤s610：基于所述机组环境监测数据进行机组振动影响评估，获得环境振动影响系数；
62.进一步的，本技术步骤s610还包括：
63.步骤s611：基于所述目标风机组进行振动异常记录信息采集，获得机组振动异常记录数据集；
64.步骤s612：基于所述机组振动异常记录数据集进行环境关联性分析，获得振动异常-环境关联性分析结果；
65.步骤s613：基于所述振动异常-环境关联性分析结果，对所述机组振动异常记录数据集进行环境影响评估，获得振动环境影响评估集合；
66.步骤s614：基于所述振动环境影响评估集合对所述机组环境监测数据进行机组振动影响识别，获得所述环境振动影响系数。
67.具体而言，对目标风机组进行振动异常记录信息采集，获得机组振动异常记录数据集。所述机组振动异常记录数据集包括目标风机组的多个振动异常事件。进而，对机组振动异常记录数据集进行环境关联性分析，获得振动异常-环境关联性分析结果。振动异常-环境关联性分析结果包括多个振动异常-环境关联性信息。多个振动异常-环境关联性信息包括多个振动异常事件与目标风机组的环境风速、环境风向、环境温度之间的关联关系。进而，按照振动异常-环境关联性分析结果，对机组振动异常记录数据集进行环境影响评估，获得振动环境影响评估集合，并按照振动环境影响评估集合对机组环境监测数据进行机组振动影响识别，获得环境振动影响系数。
68.其中，所述振动环境影响评估集合包括多个振动环境影响评估指标、多个振动环境影响评估指标特征值。多个振动环境影响评估指标包括多个振动异常-环境关联性信息。多个振动环境影响评估指标特征值包括目标风机组的环境风速、环境风向、环境温度对多个振动异常事件的多个影响度参数信息。目标风机组的环境风速、环境风向、环境温度对振动异常事件的影响程度越高，对应的振动环境影响评估指标特征值越高。所述环境振动影响系数是用于表征机组环境监测数据对机组振动的影响程度的参数信息。环境振动影响系数越大，则，机组环境监测数据对机组振动的影响程度越高。达到了通过机组环境监测数据
进行机组振动影响评估，获得准确的环境振动影响系数，为后续对多维风险评估数据进行修正夯实基础的技术效果。
69.步骤s620：基于所述机组环境监测数据进行机组噪音影响评估，获得环境噪音影响系数；
70.步骤s630：基于所述机组环境监测数据进行机组温度影响评估，获得环境温度影响系数；
71.步骤s640：基于所述环境振动影响系数、所述环境噪音影响系数和所述环境温度影响系数，获得所述多维机组环境影响系数。
72.具体而言，分别对机组环境监测数据进行机组噪音影响评估、机组温度影响评估，获得环境噪音影响系数、环境温度影响系数，结合环境振动影响系数，获得多维机组环境影响系数。根据多维机组环境影响系数对多维风险评估数据进行修正，获得修正风险评估数据。其中，环境噪音影响系数、环境温度影响系数与环境振动影响系数的获得方式相同，为了说明书的简洁，在此不再赘述。所述多维机组环境影响系数包括环境振动影响系数、环境噪音影响系数和环境温度影响系数。所述修正风险评估数据包括修正振动风险评估系数、修正噪音风险评估系数和修正温度风险评估系数。修正振动风险评估系数包括环境振动影响系数与机组振动风险评估系数之间的乘积。修正噪音风险评估系数包括环境噪音影响系数与机组噪音风险评估系数之间的乘积。修正温度风险评估系数包括环境温度影响系数与机组温度风险评估系数之间的乘积。达到了通过机组环境监测数据对多维风险评估数据进行适应性修正，降低环境干扰性，获得可靠的修正风险评估数据，从而提高对目标风机组进行预警的精确度的技术效果。
73.步骤s700：获得预设机组预警约束条件；
74.步骤s800：判断所述修正风险评估数据是否满足所述预设机组预警约束条件，如果所述修正风险评估数据满足所述预设机组预警约束条件，获得预警信号，按照所述预警信号对所述目标风机组进行预警。
75.具体而言，对修正风险评估数据是否满足预设机组预警约束条件进行判断，如果修正风险评估数据满足预设机组预警约束条件，获得预警信号，按照预警信号对目标风机组进行预警。其中，所述预设机组预警约束条件包括预先设置确定的振动风险评估系数阈值、噪音风险评估系数阈值和温度风险评估系数阈值。示例性地，在获得预警信号时，分别判断修正风险评估数据中的修正振动风险评估系数、修正噪音风险评估系数、修正温度风险评估系数是否满足对应的振动风险评估系数阈值、噪音风险评估系数阈值和温度风险评估系数阈值。当修正振动风险评估系数不满足振动风险评估系数阈值时，获得振动预警信号，通过振动预警信号对目标风机组进行振动预警。达到了通过对修正风险评估数据是否满足预设机组预警约束条件进行判断，适应性地对目标风机组进行振动预警、噪音预警、温度预警，提高目标风机组的预警全面性、预警质量的技术效果。
76.综上所述，本技术所提供的一种风力发电机组的智能监测预警方法具有如下技术效果：
77.1.通过对目标风机组进行信息采集，获得机组基础信息；通过机组基础信息和多级机组监测指标，对目标风机组进行监测规划分析，获得机组监测方案；基于机组监测方案，通过智能监测模块对目标风机组进行实时监测，获得机组环境监测数据、机组振动监测
数据、机组噪音监测数据和机组温度监测数据；通过机组监测评估模型对机组振动监测数据、机组噪音监测数据和机组温度监测数据进行风险评估，获得多维风险评估数据；通过对机组环境监测数据进行机组环境影响分析，获得多维机组环境影响系数，并根据多维机组环境影响系数对多维风险评估数据进行修正，获得修正风险评估数据；判断修正风险评估数据是否满足预设机组预警约束条件，如果修正风险评估数据满足预设机组预警约束条件，获得预警信号，按照预警信号对目标风机组进行预警。达到了提高对风力发电机组进行监测预警的精准性，提升风力发电机组的监测预警质量，为风力发电机组的安全运行提供有力保障的技术效果。
78.2.通过对目标风机组进行监测特征分析，获得机组监测特征分析结果，从而提高对目标风机组进行监测规划分析的准确性。
79.3.通过机组监测评估模型的风险评估层对多维异常检测数据集进行可靠地风险评估，获得准确的多维风险评估数据，从而提高对目标风机组进行预警的准确性。
80.4.通过机组环境监测数据对多维风险评估数据进行适应性修正，降低环境干扰性，获得可靠的修正风险评估数据，从而提高对目标风机组进行预警的精确度。
81.实施例二
82.基于与前述实施例中一种风力发电机组的智能监测预警方法，同样发明构思，本发明还提供了一种风力发电机组的智能监测预警系统，所述系统包括智能监测模块，请参阅附图3，所述系统包括：
83.机组信息采集模块11，所述机组信息采集模块11用于对目标风机组进行信息采集，获得机组基础信息；
84.机组监测指标获得模块12，所述机组监测指标获得模块12用于获得多级机组监测指标，其中，所述多级机组监测指标包括机组环境监测指标、机组振动监测指标、机组噪音监测指标和机组温度监测指标；
85.监测规划分析模块13，所述监测规划分析模块13用于基于所述机组基础信息和所述多级机组监测指标，对所述目标风机组进行监测规划分析，获得机组监测方案；
86.实时监测模块14，所述实时监测模块14用于基于所述机组监测方案，通过所述智能监测模块对所述目标风机组进行实时监测，获得多维机组监测数据集，其中，所述多维机组监测数据集包括机组环境监测数据、机组振动监测数据、机组噪音监测数据和机组温度监测数据；
87.风险评估模块15，所述风险评估模块15用于通过机组监测评估模型对所述机组振动监测数据、所述机组噪音监测数据和所述机组温度监测数据进行风险评估，获得多维风险评估数据；
88.数据修正模块16，所述数据修正模块16用于基于所述机组环境监测数据进行机组环境影响分析，获得多维机组环境影响系数，并基于所述多维机组环境影响系数对所述多维风险评估数据进行修正，获得修正风险评估数据；
89.预警条件获得模块17，所述预警条件获得模块17用于获得预设机组预警约束条件；
90.预警模块18，所述预警模块18用于判断所述修正风险评估数据是否满足所述预设机组预警约束条件，如果所述修正风险评估数据满足所述预设机组预警约束条件，获得预
警信号，按照所述预警信号对所述目标风机组进行预警。
91.进一步的，所述系统还包括：
92.监测特征分析模块，所述监测特征分析模块用于基于所述机组基础信息和所述多级机组监测指标，对所述目标风机组进行监测特征分析，获得机组监测特征分析结果；
93.构建模块，所述构建模块用于构建监测规划分析模型；
94.监测方案获得模块，所述监测方案获得模块用于将所述机组基础信息、所述多级机组监测指标和所述机组监测特征分析结果输入所述监测规划分析模型，获得所述机组监测方案。
95.进一步的，所述系统还包括：
96.提取模块，所述提取模块用于从所述机组基础信息中提取出目标风机组的构件组成信息；
97.预警信息采集模块，所述预警信息采集模块用于基于所述构件组成信息，采集所述目标风机组的历史预警信息，获得机组构件预警数据库；
98.预警因子分析模块，所述预警因子分析模块用于基于所述机组构件预警数据库进行预警因子分析，获得构件预警因子数据集；
99.指标因子关联性分析模块，所述指标因子关联性分析模块用于基于所述多级机组监测指标和所述构件预警因子数据集进行关联性分析，获得指标因子关联性分析结果；
100.分类约束条件设置模块，所述分类约束条件设置模块用于基于所述多级机组监测指标，设置预警数据分类约束条件；
101.数据分类模块，所述数据分类模块用于基于所述预警数据分类约束条件和所述指标因子关联性分析结果对所述机组构件预警数据库进行分类，获得多组指标构件预警数据集；
102.指标频率统计模块，所述指标频率统计模块用于基于所述多组指标构件预警数据集进行指标频率统计，获得多组指标频率参数；
103.标记模块，所述标记模块用于基于所述多组指标频率参数对所述构件组成信息进行标记，获得所述机组监测特征分析结果。
104.进一步的，所述系统还包括：
105.第一执行模块，所述第一执行模块用于所述机组监测评估模型包括输入层、异常检测层、风险评估层、输出层；
106.异常检测模块，所述异常检测模块用于将所述机组振动监测数据、所述机组噪音监测数据和所述机组温度监测数据输入所述异常检测层，获得多维异常检测数据集；
107.第二执行模块，所述第二执行模块用于将所述多维异常检测数据集输入所述风险评估层，所述风险评估层按照多维度风险评估指标对所述多维异常检测数据集进行评估，获得所述多维风险评估数据，其中，所述多维度风险评估指标包括机组振动风险评估指标、机组噪音风险评估指标和机组温度风险评估指标，所述多维风险评估数据包括机组振动风险评估系数、机组噪音风险评估系数和机组温度风险评估系数。
108.进一步的，所述系统还包括：
109.第三执行模块，所述第三执行模块用于基于所述机组基础信息进行所述目标风机组的同型号风机组的数据采集，获得机组正态运行数据库，其中，所述机组正态运行数据库
包括机组正态振动数据集、机组正态噪音数据集和机组正态温度数据集；
110.正态区间获得模块，所述正态区间获得模块用于基于所述机组正态运行数据库，获得多级机组正态区间，并将所述多级机组正态区间嵌入至所述异常检测层，其中，所述多级机组正态区间包括机组正态振动区间、机组正态噪音区间、机组正态温度区间；
111.比对模块，所述比对模块用于分别将所述机组振动监测数据、所述机组噪音监测数据、所述机组温度监测数据和所述多级机组正态区间进行比对，获得机组异常数据集；
112.异常占比计算模块，所述异常占比计算模块用于基于所述机组振动监测数据、所述机组噪音监测数据、所述机组温度监测数据和所述机组异常数据集进行异常占比计算，获得多维机组异常系数；
113.第四执行模块，所述第四执行模块用于基于所述机组异常数据集和所述多维机组异常系数，获得所述多维异常检测数据集。
114.进一步的，所述系统还包括：
115.机组振动影响评估模块，所述机组振动影响评估模块用于基于所述机组环境监测数据进行机组振动影响评估，获得环境振动影响系数；
116.机组噪音影响评估模块，所述机组噪音影响评估模块用于基于所述机组环境监测数据进行机组噪音影响评估，获得环境噪音影响系数；
117.机组温度影响评估模块，所述机组温度影响评估模块用于基于所述机组环境监测数据进行机组温度影响评估，获得环境温度影响系数；
118.第五执行模块，所述第五执行模块用于基于所述环境振动影响系数、所述环境噪音影响系数和所述环境温度影响系数，获得所述多维机组环境影响系数。
119.进一步的，所述系统还包括：
120.振动异常记录信息采集模块，所述振动异常记录信息采集模块用于基于所述目标风机组进行振动异常记录信息采集，获得机组振动异常记录数据集；
121.环境关联性分析模块，所述环境关联性分析模块用于基于所述机组振动异常记录数据集进行环境关联性分析，获得振动异常-环境关联性分析结果；
122.环境影响评估模块，所述环境影响评估模块用于基于所述振动异常-环境关联性分析结果，对所述机组振动异常记录数据集进行环境影响评估，获得振动环境影响评估集合；
123.机组振动影响识别模块，所述机组振动影响识别模块用于基于所述振动环境影响评估集合对所述机组环境监测数据进行机组振动影响识别，获得所述环境振动影响系数。
124.本发明实施例所提供的一种风力发电机组的智能监测预警系统可执行本发明任意实施例所提供的一种风力发电机组的智能监测预警方法，具备执行方法相应的功能模块和有益效果。
125.所包括的各个模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能模块的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
126.实施例三
127.图4为本发明实施例三提供的电子设备的结构示意图，示出了适于用来实现本发明实施方式的示例性电子设备的框图。图4显示的电子设备仅仅是一个示例，不应对本发明
实施例的功能和使用范围带来任何限制。如图4所示，该电子设备包括处理器31、存储器32、输入装置33及输出装置34；电子设备中处理器31的数量可以是一个或多个，图4中以一个处理器31为例，电子设备中的处理器31、存储器32、输入装置33及输出装置34可以通过总线或其他方式连接，图4中以通过总线连接为例。
128.存储器32作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的一种风力发电机组的智能监测预警方法对应的程序指令/模块。处理器31通过运行存储在存储器32中的软件程序、指令以及模块，从而执行计算机设备的各种功能应用以及数据处理，即实现上述一种风力发电机组的智能监测预警方法。
129.本技术提供了一种风力发电机组的智能监测预警方法，其中，所述方法应用于一种风力发电机组的智能监测预警系统，所述方法包括：通过对目标风机组进行信息采集，获得机组基础信息；通过机组基础信息和多级机组监测指标，对目标风机组进行监测规划分析，获得机组监测方案；基于机组监测方案，通过智能监测模块对目标风机组进行实时监测，获得机组环境监测数据、机组振动监测数据、机组噪音监测数据和机组温度监测数据；通过机组监测评估模型对机组振动监测数据、机组噪音监测数据和机组温度监测数据进行风险评估，获得多维风险评估数据；通过对机组环境监测数据进行机组环境影响分析，获得多维机组环境影响系数，并根据多维机组环境影响系数对多维风险评估数据进行修正，获得修正风险评估数据；判断修正风险评估数据是否满足预设机组预警约束条件，如果修正风险评估数据满足预设机组预警约束条件，获得预警信号，按照预警信号对目标风机组进行预警。解决了现有技术中针对风力发电机组的监测预警精准性不足，进而造成风力发电机组的监测预警效果不佳的技术问题。达到了提高对风力发电机组进行监测预警的精准性，提升风力发电机组的监测预警质量，为风力发电机组的安全运行提供有力保障的技术效果。
130.注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

技术特征：
1.一种风力发电机组的智能监测预警方法，其特征在于，所述方法应用于一种风力发电机组的智能监测预警系统，所述系统包括智能监测模块，所述方法包括：对目标风机组进行信息采集，获得机组基础信息；获得多级机组监测指标，其中，所述多级机组监测指标包括机组环境监测指标、机组振动监测指标、机组噪音监测指标和机组温度监测指标；基于所述机组基础信息和所述多级机组监测指标，对所述目标风机组进行监测规划分析，获得机组监测方案；基于所述机组监测方案，通过所述智能监测模块对所述目标风机组进行实时监测，获得多维机组监测数据集，其中，所述多维机组监测数据集包括机组环境监测数据、机组振动监测数据、机组噪音监测数据和机组温度监测数据；通过机组监测评估模型对所述机组振动监测数据、所述机组噪音监测数据和所述机组温度监测数据进行风险评估，获得多维风险评估数据；基于所述机组环境监测数据进行机组环境影响分析，获得多维机组环境影响系数，并基于所述多维机组环境影响系数对所述多维风险评估数据进行修正，获得修正风险评估数据；获得预设机组预警约束条件；判断所述修正风险评估数据是否满足所述预设机组预警约束条件，如果所述修正风险评估数据满足所述预设机组预警约束条件，获得预警信号，按照所述预警信号对所述目标风机组进行预警。2.如权利要求1所述的方法，其特征在于，基于所述机组基础信息和所述多级机组监测指标，对所述目标风机组进行监测规划分析，获得机组监测方案，所述方法还包括：基于所述机组基础信息和所述多级机组监测指标，对所述目标风机组进行监测特征分析，获得机组监测特征分析结果；构建监测规划分析模型；将所述机组基础信息、所述多级机组监测指标和所述机组监测特征分析结果输入所述监测规划分析模型，获得所述机组监测方案。3.如权利要求2所述的方法，其特征在于，基于所述机组基础信息和所述多级机组监测指标，对所述目标风机组进行监测特征分析，获得机组监测特征分析结果，所述方法还包括：从所述机组基础信息中提取出目标风机组的构件组成信息；基于所述构件组成信息，采集所述目标风机组的历史预警信息，获得机组构件预警数据库；基于所述机组构件预警数据库进行预警因子分析，获得构件预警因子数据集；基于所述多级机组监测指标和所述构件预警因子数据集进行关联性分析，获得指标因子关联性分析结果；基于所述多级机组监测指标，设置预警数据分类约束条件；基于所述预警数据分类约束条件和所述指标因子关联性分析结果对所述机组构件预警数据库进行分类，获得多组指标构件预警数据集；基于所述多组指标构件预警数据集进行指标频率统计，获得多组指标频率参数；
基于所述多组指标频率参数对所述构件组成信息进行标记，获得所述机组监测特征分析结果。4.如权利要求1所述的方法，其特征在于，所述获得多维风险评估数据，所述方法还包括：所述机组监测评估模型包括输入层、异常检测层、风险评估层、输出层；将所述机组振动监测数据、所述机组噪音监测数据和所述机组温度监测数据输入所述异常检测层，获得多维异常检测数据集；将所述多维异常检测数据集输入所述风险评估层，所述风险评估层按照多维度风险评估指标对所述多维异常检测数据集进行评估，获得所述多维风险评估数据，其中，所述多维度风险评估指标包括机组振动风险评估指标、机组噪音风险评估指标和机组温度风险评估指标，所述多维风险评估数据包括机组振动风险评估系数、机组噪音风险评估系数和机组温度风险评估系数。5.如权利要求4所述的方法，其特征在于，所述获得多维异常检测数据集，所述方法还包括：基于所述机组基础信息进行所述目标风机组的同型号风机组的数据采集，获得机组正态运行数据库，其中，所述机组正态运行数据库包括机组正态振动数据集、机组正态噪音数据集和机组正态温度数据集；基于所述机组正态运行数据库，获得多级机组正态区间，并将所述多级机组正态区间嵌入至所述异常检测层，其中，所述多级机组正态区间包括机组正态振动区间、机组正态噪音区间、机组正态温度区间；分别将所述机组振动监测数据、所述机组噪音监测数据、所述机组温度监测数据和所述多级机组正态区间进行比对，获得机组异常数据集；基于所述机组振动监测数据、所述机组噪音监测数据、所述机组温度监测数据和所述机组异常数据集进行异常占比计算，获得多维机组异常系数；基于所述机组异常数据集和所述多维机组异常系数，获得所述多维异常检测数据集。6.如权利要求1所述的方法，其特征在于，所述获得多维机组环境影响系数，所述方法还包括：基于所述机组环境监测数据进行机组振动影响评估，获得环境振动影响系数；基于所述机组环境监测数据进行机组噪音影响评估，获得环境噪音影响系数；基于所述机组环境监测数据进行机组温度影响评估，获得环境温度影响系数；基于所述环境振动影响系数、所述环境噪音影响系数和所述环境温度影响系数，获得所述多维机组环境影响系数。7.如权利要求6所述的方法，其特征在于，所述获得环境振动影响系数，所述方法还包括：基于所述目标风机组进行振动异常记录信息采集，获得机组振动异常记录数据集；基于所述机组振动异常记录数据集进行环境关联性分析，获得振动异常-环境关联性分析结果；基于所述振动异常-环境关联性分析结果，对所述机组振动异常记录数据集进行环境影响评估，获得振动环境影响评估集合；
基于所述振动环境影响评估集合对所述机组环境监测数据进行机组振动影响识别，获得所述环境振动影响系数。8.一种风力发电机组的智能监测预警系统，其特征在于，所述系统包括智能监测模块，所述系统包括：机组信息采集模块，所述机组信息采集模块用于对目标风机组进行信息采集，获得机组基础信息；机组监测指标获得模块，所述机组监测指标获得模块用于获得多级机组监测指标，其中，所述多级机组监测指标包括机组环境监测指标、机组振动监测指标、机组噪音监测指标和机组温度监测指标；监测规划分析模块，所述监测规划分析模块用于基于所述机组基础信息和所述多级机组监测指标，对所述目标风机组进行监测规划分析，获得机组监测方案；实时监测模块，所述实时监测模块用于基于所述机组监测方案，通过所述智能监测模块对所述目标风机组进行实时监测，获得多维机组监测数据集，其中，所述多维机组监测数据集包括机组环境监测数据、机组振动监测数据、机组噪音监测数据和机组温度监测数据；风险评估模块，所述风险评估模块用于通过机组监测评估模型对所述机组振动监测数据、所述机组噪音监测数据和所述机组温度监测数据进行风险评估，获得多维风险评估数据；数据修正模块，所述数据修正模块用于基于所述机组环境监测数据进行机组环境影响分析，获得多维机组环境影响系数，并基于所述多维机组环境影响系数对所述多维风险评估数据进行修正，获得修正风险评估数据；预警条件获得模块，所述预警条件获得模块用于获得预设机组预警约束条件；预警模块，所述预警模块用于判断所述修正风险评估数据是否满足所述预设机组预警约束条件，如果所述修正风险评估数据满足所述预设机组预警约束条件，获得预警信号，按照所述预警信号对所述目标风机组进行预警。9.一种电子设备，其特征在于，所述电子设备包括：存储器，用于存储可执行指令；处理器，用于执行所述存储器中存储的可执行指令时，实现权利要求1至7任一项所述的一种风力发电机组的智能监测预警方法。10.一种计算机可读介质，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至7中任一所述的一种风力发电机组的智能监测预警方法。

技术总结
本发明公开了一种风力发电机组的智能监测预警方法及系统，涉及数据处理领域，其中，所述方法包括：获得机组监测方案；获得机组环境监测数据、机组振动监测数据、机组噪音监测数据和机组温度监测数据；通过机组监测评估模型对机组振动监测数据、机组噪音监测数据和机组温度监测数据进行风险评估，获得多维风险评估数据；基于机组环境监测数据，获得多维机组环境影响系数，并根据其对多维风险评估数据进行修正，获得修正风险评估数据；如果修正风险评估数据满足预设机组预警约束条件，获得预警信号。解决了现有技术中针对风力发电机组的监测预警精准性不足，进而造成风力发电机组的监测预警效果不佳的技术问题。预警效果不佳的技术问题。预警效果不佳的技术问题。


技术研发人员：党哲辉 杨斌 杨鹏诚 戴立伟 管毓瑶 宋佳骏 胡思宇
受保护的技术使用者：大唐水电科学技术研究院有限公司
技术研发日：2023.03.08
技术公布日：2023/5/16