(19)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 202211034058.9 (22)申请日 2022.08.26 (71)申请人 中国长江三峡集团有限公司 地址 100038 北京市海淀区玉渊潭南路1号 (72)发明人 苏营　王乾　刘杰　吴海飞　王罗　 (74)专利代理 机构 北京三聚阳光知识产权代理 有限公司 1 1250 专利代理师 胡晓静 (51)Int.Cl. G06F 30/23(2020.01) G06F 30/28(2020.01) G06K 9/62(2022.01) G06F 113/06(2020.01) G06F 113/08(2020.01) G06F 119/14(2020.01) (54)发明名称 一种风电站维护方法、 平台和电子设备 (57)摘要 本发明公开了一种风电站维护方法、 平台和 电子设备， 其中方法包括： 获取风电站训练数据， 风电站训练数据包括真实监测数据和仿真数据； 基于风电站训练数据训练故障诊断模型和状态 评估模型； 通过多种预设工况下的真实监测数据 二次仿真出机理仿真分析数据， 并将机理仿真分 析数据分别输入故障诊断模型和状态评估模型， 得到故障诊断模型和状态评估模型分别输出的 故障结果和状态等级； 基于机理仿真分析数据计 算各个预设工况下的评估参数， 并将各个预设工 况对应的评估参数、 故障结果和状态 等级进行标 定， 评估参数用于反演故障原因； 基于标定结果 对风电站进行预测维护。 本发明提供的技术方 案， 实现了风电站全运行周期的针对性维护。 权利要求书2页 说明书9页 附图4页 CN 115329639 A 2022.11.11 CN 115329639 A 1.一种风电站维护方法， 其特 征在于， 所述方法包括： 获取风电站训练数据， 所述 风电站训练数据包括真实监测数据和仿真数据； 基于风电站训练数据训练故障诊断模型和状态评估模型， 所述故障诊断模型用于识别 风电站机组的故障情况， 所述状态评估模型用于识别风电站机组的运行状态所 处的状态等 级； 通过多种预设工况下的真实监测数据二 次仿真出机理仿真分析数据， 并将所述机理仿 真分析数据分别输入所述 故障诊断模型和所述状态评估模型， 得到所述 故障诊断模型和所 述状态评估 模型分别输出的故障结果和状态等级； 基于所述机理仿真分析数据计算各个预设工况下的评估参数， 并将各个预设工况对应 的评估参数、 故障结果和状态等级 进行标定， 所述评估参数用于反演故障原因； 基于标定结果对风电站进行 预测维护。 2.根据权利要求1所述的方法， 其特 征在于， 所述获取风电站训练数据， 包括： 采集风电站的真实C MS振动数据和真实SCADA电气数据； 扫描构建风电站机组部件的3D结构， 并为所述3D结构设置相应的材 料参数； 将热流仿真条件和机械场仿真条件输入所述3D结构， 进行热流和机械场仿真， 得到仿 真CMS振动数据和仿真SCADA电气数据； 对所述真实CMS振动数据、 真实SCADA电气数据、 仿真CMS振动数据和仿真SCADA电气数 据进行清洗与归一 化处理， 并组合得到所述 风电站训练数据。 3.根据权利要求2所述的方法， 其特征在于， 所述通过多种预设工况下的真实监测数据 二次仿真出机理仿真 分析数据， 包括： 将稳态、 暂态和故障工况的流体、 电磁、 机械和振动真实监测数据， 作为边界条件输入 所述3D结构进行仿真， 得到所述机理仿真 分析数据。 4.根据权利要求1所述的方法， 其特征在于， 基于风电站训练数据训练故障诊断模型， 包括： 基于指数加权移动平均值 算法对所述 风电站训练数据进行平 滑； 计算平滑后的风电站训练数据与平 滑前的风电站训练数据的差值， 得到 差值数据； 基于指数加权移动平均值算法对所述差值数据进行平滑， 并判断平滑后的差值数据 是 否满足预设平 滑条件； 若所述平滑后的差值数据满足预设平滑条件， 则基于所述平滑后的差值数据和标注的 故障标签训练生成所述故障诊断模型。 5.根据权利要求 4所述的方法， 其特 征在于， 所述方法还 包括： 若所述平滑后的差值数据不满足预设平滑条件， 则将所述平滑后的差值数据作为所述 平滑后的风电站训练数据， 将平滑前 的差值数据作为所述平滑前 的风电站训练数据， 返回 所述计算平 滑后的风电站训练数据与平 滑前的风电站训练数据的差值的步骤。 6.根据权利要求1所述的方法， 其特征在于， 基于风电站训练数据训练状态评估模型， 包括： 基于回归算法对所述 风电站训练数据中的关键数据进行筛 选； 增强所述关键数据中不同数据来源的子数据之间的相关性； 利用增强后的关键数据和标注的状态等级标签训练生成所述状态评估 模型。权　利　要　求　书 1/2 页 2 CN 115329639 A 27.根据权利要求6所述的方法， 其特征在于， 所述增强所述关键数据中不同数据来源的 子数据之间的相关性， 包括： 通过迁移成分分析计算映射函数， 所述映射函数用于将各个子数据映射之后， 子数据 之间的距离小于预设阈值； 通过所述映射函数计算各个子数据的映射特征， 并将所述各个子数据的映射特征作为 所述增强后的关键数据。 8.一种风电站维护平台， 其特 征在于， 所述 风电站维护平台包括： 数据获取模块， 用于获取风电站训练数据， 所述风电站训练数据包括真实监测数据和 仿真数据； 模型训练模块， 用于基于风电站训练数据训练故障诊断模型和状态评估模型， 所述故 障诊断模型用于识别风电站机组的故障情况， 所述状态评估模型用于识别风电站机组的运 行状态所处的状态等级； 诊断评估模块， 用于通过多种预设工况下的真实监测数据二 次仿真出机理仿真分析数 据， 并将所述机理仿真分析数据分别输入所述故障诊断模型和所述状态评估模型， 得到所 述故障诊断模型和所述状态评估 模型分别输出的故障结果和状态等级； 参数标定模块， 用于基于所述机理仿真分析数据计算各个预设工况下的评估参数， 并 将各个预设工况对应的评估参数、 故障结果和状态等级进行标定， 所述评估参数用于反演 故障原因； 预测维护模块， 用于基于标定结果对风电站进行 预测维护。 9.一种电子设备， 其特 征在于， 包括： 存储器和 处理器， 所述存储器和所述处理器之间互相通信连接， 所述存储器中存储有 计算机指 令， 所述处理器通过执行所述计算机指 令， 从而执行如权利要求 1‑7任一项所述的 方法。 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指 令， 所述计算机指令用于使所述计算机从而执 行如权利要求1 ‑7任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 115329639 A 3