变桨电机故障诊断方法、装置、介质及电子设备

技术领域

本公开涉及风电机组检修领域，具体地，涉及一种变桨电机故障诊断方法、装置、介质及电子设备。

背景技术

变桨电机是风电机组重要的组成部件，对风电机组安全、稳定、高效的运行具有十分重要的作用。相关技术中，基于测点与固定阈值进行比较，判断变桨电机是否存在故障。基于测点与固定阈值进行比较判断变桨电机是否存在故障时，判断方法比较单一，容易造成故障误报或漏报的问题。

发明内容

本公开的目的是提供一种变桨电机故障诊断方法、装置、介质及电子设备，能够更准确地诊断出变桨电机存在的故障。

为了实现上述目的，本公开提供一种变桨电机故障诊断方法，包括：

获取所述变桨电机的故障相关运行参数；

对所获取的第一时长内的故障相关运行参数进行特征分析得到特征参数，其中，所进行的特征分析包括同类数据求均值、同类数据求方差、同类数据求最值、相关联数据相关性分析中的一者或多者；

将所获取的第一时长内的故障相关运行参数和所述特征参数输入至训练好的变桨电机故障诊断模型中对所述变桨电机进行诊断，得到诊断结果。

可选地，在对所获取的第一时长内的故障相关运行参数进行特征分析之前，所述方法还包括：

对所获取的故障相关运行参数进行预处理，所进行的预处理包括删除所获取的故障相关运行参数中的空值、删除所获取的故障相关运行参数中的异常值、删除所获取的故障相关运行参数中的卡滞数据中的一者或多者；

所述对所获取的第一时长内的故障相关运行参数进行特征分析得到特征参数，包括：

对所获取的、预处理后的第一时长内的故障相关运行参数进行特征分析得到所述特征参数。

可选地，所述故障相关运行参数包括桨叶片角度、变桨电机温度、桨电机电流；所述诊断结果包括变桨电机性能故障类故障、变桨电机散热故障类故障、变桨电机传感器故障类故障和变桨电机无异常。

可选地，所述方法还包括：

若所述诊断结果不是变桨电机无异常，输出提示消息，所述提示消息用于提示所述变桨电机存在故障。

可选地，所述变桨电机故障诊断模型为基于循环神经网络、长短期记忆神经网络、双向循环神经网络、双向长短期记忆神经网络中的一者构建的模型。

可选地，所述方法还包括：

获取用户的目标输入，所述目标输入包括诊断反馈结果和与所述诊断反馈结果对应的故障相关运行参数；

将所述目标输入作为训练样本对所述变桨电机故障诊断模型进行训练，以对所述变桨电机故障诊断模型进行迭代。

可选地，所进行的特征分析包括所述相关联数据相关性分析，所述相关联数据相关性分析通过皮尔逊相关性分析方法进行。

本公开还提供一种变桨电机故障诊断装置，包括：

第一获取模块，被配置为获取所述变桨电机的故障相关运行参数；

分析模块，被配置为对所获取的第一时长内的故障相关运行参数进行特征分析得到特征参数，其中，所进行的特征分析包括同类数据求均值、同类数据求方差、同类数据求最值、相关联数据相关性分析中的一者或多者；

诊断模块，被配置为将所获取的第一时长内的故障相关运行参数和所述特征参数输入至训练好的变桨电机故障诊断模型中对所述变桨电机进行诊断，得到诊断结果。

本公开还提供一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述的变桨电机故障诊断方法的步骤。

本公开还提供一种电子设备，包括：

存储器，其上存储有计算机程序；

处理器，用于执行所述存储器中的所述计算机程序，以实现上述的变桨电机故障诊断方法的步骤。

通过上述技术方案，根据第一时长内的故障相关运行参数、所述特征参数以及训练好的变桨电机故障诊断模型，对变桨电机的故障情况进行诊断。由于变桨电机故障诊断模型是基于大量训练数据训练得到的，使用变桨电机故障诊断模型对变桨电机的故障情况进行诊断，能够准确地判断出变桨电机的故障情况，减少误报或漏报的情况发生。

本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。

附图说明

附图是用来提供对本公开的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本公开，但并不构成对本公开的限制。在附图中：

图1是根据一示例性实施例示出的一种变桨电机故障诊断方法的流程图。

图2是根据一示例性实施例示出的一种变桨电机故障诊断装置的框图。

图3是根据一示例性实施例示出的一种电子设备的框图。

具体实施方式

以下结合附图对本公开的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本公开，并不用于限制本公开。

需要说明的是，本公开中所有获取信号、信息或数据的动作都是在遵照所在地国家相应的数据保护法规政策的前提下，并获得由相应装置所有者给予授权的情况下进行的。

图1是根据一示例性实施例示出的一种变桨电机故障诊断方法的流程图。如图1所示，该变桨电机故障诊断方法包括步骤S101至步骤S103。

在步骤S101中，获取变桨电机的故障相关运行参数。

故障相关运行参数是可以用于判断变桨电机是否存在故障的参数。举例来说，变桨电机的转速、电流可以用于判断变桨电机是否存在性能方面的故障，则故障相关运行参数可以包括变桨电机的转速、变桨电机的电流。又例如，变桨电机的温度可以用于判断变桨电机是否存在散热方面的故障，则故障相关运行参数可以包括变桨电机的温度。

某些环境参数可以用于辅助判断变桨电机是否存在故障。例如，变桨电机的转速可能受到风速影响，由此可以基于变桨电机的转速和风速判断变桨电机是否存在性能方面的故障；变桨电机的温度可能受到环境温度的影响，由此可以基于变桨电机的温度和环境温度判断变桨电机是否存在散热方面的故障。一种实施方式中，故障相关运行参数可以包括用于辅助判断变桨电机是否存在故障的参数。

在步骤S101中，获取变桨电机的故障相关运行参数，可以利用相关设备如传感器获取变桨电机的故障相关运行参数，也可以通过数据采集与监视控制(SupervisoryControl And Data Acquisition，Scada)系统获取变桨电机的故障相关运行参数。

在获取变桨电机的故障相关运行参数的过程中，可以以预设的时间间隔获取故障相关运行参数，例如，以10分钟为间隔，每10分钟获取一次故障相关运行参数。

在步骤S102中，对所获取的第一时长内的故障相关运行参数进行特征分析得到特征参数，其中，所进行的特征分析包括同类数据求均值、同类数据求方差、同类数据求最值、相关联数据相关性分析中的一者或多者。

特征分析可以是基于统计学方法对故障相关运行参数进行分析的方法。基于特征分析对故障相关运行参数进行分析得到的结果即为特征参数。举例来说，特征分析使用的统计学方法可以包括求均值、求最值、求方差、相关性分析，特征参数可以是计算求得的均值、计算求得的最值，相关性分析得到的计算结果。在对变桨电机的故障进行诊断时，可以选取一段时间的故障相关运行参数作为数据对变桨电机的故障进行诊断，选取的这段时间的长度即为第一时长。第一时长可以是预设的，例如可以将第一时长预设为10小时，又例如，可以将第一时长预设为7天。

同一检测点检测多次得到的数据即为同类数据。举例来说，在10小时内每隔10分钟对变桨电机的温度进行一次检测，测得的60个变桨电机的温度即为同类数据。

相关联数据即具有某种关联性的数据，例如，两个数据可能总是同时增大，或者两个数据其中一个增大另一个便会减小。举例来说，一台风电机组有3个变桨电机，分别为变桨电机1、变桨电机2和变桨电机3。变桨电机1、变桨电机2和变桨电机3的温度总是同时升高，则变桨电机1、变桨电机2和变桨电机3的温度具有关联性。则变桨电机1的温度与变桨电机2的温度为相关联数据，可以对相关联数据进行相关性分析得到特征参数。

在步骤S103中，将所获取的第一时长内的故障相关运行参数和特征参数输入至训练好的变桨电机故障诊断模型中对变桨电机进行诊断，得到诊断结果。

可以预先训练好变桨电机故障诊断模型。变桨电机故障诊断模型可以是基于时序神经网络技术建立的。在一种实施方式中，变桨电机故障诊断模型可以是基于循环神经网络(RNN)、长短期记忆神经网络(LSTM)、双向循环神经网络(BRNN)、双向长短期记忆神经网络(BLSTM)中的一者构建的模型。

在对变桨电机故障诊断模型进行训练时，可以基于风电机组的历史数据作为训练数据对变桨电机故障诊断模型进行训练。例如，可以执行类似步骤S101至步骤102的步骤确定一组故障相关运行参数和特征参数，并根据实际情况(实际情况是指变桨电机有无故障，有何种故障)标记这一组故障相关运行参数和特征参数对应的诊断结果(如，针对一组故障相关运行参数和特征参数标记上变桨电机无异常)。可以基于大量训练数据对变桨电机故障诊断模型进行训练，得到训练好的变桨电机故障诊断模型。

在步骤S103中，将所获取的第一时长内的故障相关运行参数和特征参数输入至训练好的变桨电机故障诊断模型中对变桨电机进行诊断即可得到诊断结果。

由于故障相关运行参数中可以包括风速、温度等环境信息，使得能够根据变桨电机故障诊断模型更准确地诊断出变桨电机的故障情况。除此之外，可以针对每一个风电机组单独建立一个该变桨电机专用的变桨电机故障诊断模型，使得在对变桨电机的故障情况进行诊断时，考虑了变桨电机的个体差异，提高诊断的准确性。

通过上述技术方案，根据第一时长内的故障相关运行参数、特征参数以及训练好的变桨电机故障诊断模型，对变桨电机的故障情况进行诊断。由于变桨电机故障诊断模型是基于大量训练数据训练得到的，使用变桨电机故障诊断模型对变桨电机的故障情况进行诊断，能够准确地判断出变桨电机的故障情况，减少误报或漏报的情况发生。

在又一实施例中，在对所获取的第一时长内的故障相关运行参数进行特征分析之前，方法还包括：

对所获取的故障相关运行参数进行预处理，所进行的预处理包括删除所获取的故障相关运行参数中的空值、删除所获取的故障相关运行参数中的异常值、删除所获取的故障相关运行参数中的卡滞数据中的一者或多者；

对所获取的第一时长内的故障相关运行参数进行特征分析得到特征参数，包括：

对所获取的、预处理后的第一时长内的故障相关运行参数进行特征分析得到特征参数。

空值即无数据。在获取的故障相关运行参数的过程中，可能由于某些故障原因，测点未测到该测点应测得的故障相关运行参数，使得该测点测得的故障相关运行参数为空值。在对故障相关运行参数进行预处理时，可以删除空值。异常值即能够直接被判断为距离真实值超出可接受范围的值。卡滞数据即检测到的连续多次(具体次数可以根据经验预设)相同的数据。

该实施例中，在对所获取的第一时长内的故障相关运行参数进行特征分析之前，剔除所获取的故障相关运行参数中的异常数据，使得参与运算的故障相关运行参数都为较为准确的数据，进而使得由变桨电机故障诊断模型确定出的诊断结果更准确。在一种实施方式中，对于被删除的故障相关运行参数造成的数据的空缺，可以用第一时长内的同类数据的平均值进行填补。

在又一实施例中，故障相关运行参数包括桨叶片角度、变桨电机温度、桨电机电流；诊断结果包括变桨电机性能故障类故障、变桨电机散热故障类故障、变桨电机传感器故障类故障和变桨电机无异常。

该实施例中，对诊断结果进行了分类，这样，根据变桨电机故障诊断模型确定出的诊断结果能够使运维人员更容易定位故障，方便运维人员使用。

在又一实施例中，方法还包括：

若诊断结果不是变桨电机无异常，输出提示消息，提示消息用于提示变桨电机存在故障。

提示消息可以是用户操作界面上显示的信息，也可以是声光信息，可以用于提示运维人员变桨电机存在故障。该实施例中，在变桨电机存在故障的情况下输出提示消息对运维人员进行提示，使运维人员能够及时获知变桨电机的故障情况采取相应的措施。

在又一实施例中，方法还包括：

获取用户的目标输入，目标输入包括诊断反馈结果和与诊断反馈结果对应的故障相关运行参数；

将目标输入作为训练样本对变桨电机故障诊断模型进行训练，以对变桨电机故障诊断模型进行迭代。

在使用本公开提供的变桨电机故障诊断方法得到变桨电机的诊断结果后，可以人工对变桨电机进行检查，判断变桨电机的故障情况是否与使用本公开提供的变桨电机故障诊断方法得到的变桨电机的诊断结果相同。诊断反馈结果即人工检查出的变桨电机的真实故障情况。与诊断反馈结果对应的故障相关运行参数可以是人工检查出变桨电机的真实故障情况的时刻所在的检测周期检测到的故障相关运行参数。例如，第一时长为10小时(即检测周期为10小时)，包含人工检查出变桨电机的真实故障情况的时刻的检测周期测得的故障相关运行参数即为与诊断反馈结果对应的故障相关运行参数。可以将目标输入作为一条训练数据对变桨电机故障诊断模型进行训练，这样，可以在使用本公开提供的变桨电机故障诊断方法的过程中，不断对变桨电机故障诊断模型进行迭代，使得根据变桨电机故障诊断模型进行诊断得到的诊断结果越来越准确。

在又一实施例中，所进行的特征分析包括相关联数据相关性分析，相关联数据分析通过皮尔逊相关性分析方法进行。也就是说，对相关联数据相关性分析时，求得的结果(特征参数)可以是两种相关联数据间的皮尔逊相关系数。

图2是根据一示例性实施例示出的一种变桨电机故障诊断装置的框图。如图2所示，该变桨电机故障诊断装置200包括第一获取模块201、分析模块202和诊断模块203。

第一获取模块201被配置为获取变桨电机的故障相关运行参数。

分析模块202被配置为对所获取的第一时长内的故障相关运行参数进行特征分析得到特征参数，其中，所进行的特征分析包括同类数据求均值、同类数据求方差、同类数据求最值、相关联数据相关性分析中的一者或多者。

诊断模块203被配置为将所获取的第一时长内的故障相关运行参数和特征参数输入至训练好的变桨电机故障诊断模型中对变桨电机进行诊断，得到诊断结果。

在又一实施例中，变桨电机故障诊断装置200还包括预处理模块。

预处理模块被配置为对所获取的故障相关运行参数进行预处理，所进行的预处理包括删除所获取的故障相关运行参数中的空值、删除所获取的故障相关运行参数中的异常值、删除所获取的故障相关运行参数中的卡滞数据中的一者或多者。

分析模块202被进一步配置为对所获取的、预处理后的第一时长内的故障相关运行参数进行特征分析得到特征参数。

在又一实施例中，故障相关运行参数包括桨叶片角度、变桨电机温度、桨电机电流；诊断结果包括变桨电机性能故障类故障、变桨电机散热故障类故障、变桨电机传感器故障类故障和变桨电机无异常。

在又一实施例中，变桨电机故障诊断装置200还包括输出模块。

输出模块被配置为若诊断结果不是变桨电机无异常，输出提示消息，提示消息用于提示变桨电机存在故障。

在又一实施例中，变桨电机故障诊断模型为基于循环神经网络、长短期记忆神经网络、双向循环神经网络、双向长短期记忆神经网络中的一者构建的模型。

在又一实施例中，变桨电机故障诊断装置200还包括第二获取模块和迭代模块。

第二获取模块被配置为获取用户的目标输入，目标输入包括诊断反馈结果和与诊断反馈结果对应的故障相关运行参数。

迭代模块被配置为将目标输入作为训练样本对变桨电机故障诊断模型进行训练，以对变桨电机故障诊断模型进行迭代。

在又一实施例中，所进行的特征分析包括相关联数据相关性分析，相关联数据相关性分析通过皮尔逊相关性分析方法进行。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

通过上述技术方案，根据第一时长内的故障相关运行参数、所述特征参数以及训练好的变桨电机故障诊断模型，对变桨电机的故障情况进行诊断。由于变桨电机故障诊断模型是基于大量训练数据训练得到的，使用变桨电机故障诊断模型对变桨电机的故障情况进行诊断，能够准确地判断出变桨电机的故障情况，减少误报或漏报的情况发生。

本公开还提供一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述的变桨电机故障诊断方法的步骤。

本公开还提供一种电子设备，包括：

存储器，其上存储有计算机程序；

处理器，用于执行存储器中的计算机程序，以实现上述的变桨电机故障诊断方法的步骤。

图3是根据一示例性实施例示出的一种电子设备700的框图。如图3所示，该电子设备700可以包括：处理器701，存储器702。该电子设备700还可以包括多媒体组件703，输入/输出(I/O)接口704，以及通信组件705中的一者或多者。

其中，处理器701用于控制该电子设备700的整体操作，以完成上述的变桨电机故障诊断方法中的全部或部分步骤。存储器702用于存储各种类型的数据以支持在该电子设备700的操作，这些数据例如可以包括用于在该电子设备700上操作的任何应用程序或方法的指令，以及应用程序相关的数据，例如联系人数据、收发的消息、图片、音频、视频等等。该存储器702可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(Static Random Access Memory，简称SRAM)，电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，简称EEPROM)，可擦除可编程只读存储器(Erasable Programmable Read-Only Memory，简称EPROM)，可编程只读存储器(Programmable Read-Only Memory，简称PROM)，只读存储器(Read-Only Memory，简称ROM)，磁存储器，快闪存储器，磁盘或光盘。多媒体组件703可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏，音频组件用于输出和/或输入音频信号。例如，音频组件可以包括一个麦克风，麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器702或通过通信组件705发送。音频组件还包括至少一个扬声器，用于输出音频信号。I/O接口704为处理器701和其他接口模块之间提供接口，上述其他接口模块可以是键盘，鼠标，按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件705用于该电子设备700与其他设备之间进行有线或无线通信。无线通信，例如Wi-Fi，蓝牙，近场通信(Near FieldCommunication，简称NFC)，2G、3G、4G、NB-IOT、eMTC、或其他5G等等，或它们中的一种或几种的组合，在此不做限定。因此相应的该通信组件705可以包括：Wi-Fi模块，蓝牙模块，NFC模块等等。

在一示例性实施例中，电子设备700可以被一个或多个应用专用集成电路(Application Specific Integrated Circuit，简称ASIC)、数字信号处理器(DigitalSignal Processor，简称DSP)、数字信号处理设备(Digital Signal Processing Device，简称DSPD)、可编程逻辑器件(Programmable Logic Device，简称PLD)、现场可编程门阵列(Field Programmable Gate Array，简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述的变桨电机故障诊断方法。

在另一示例性实施例中，还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现上述的变桨电机故障诊断方法的步骤。例如，该计算机可读存储介质可以为上述包括程序指令的存储器702，上述程序指令可由电子设备700的处理器701执行以完成上述的变桨电机故障诊断方法。

在另一示例性实施例中，还提供一种计算机程序产品，该计算机程序产品包含能够由可编程的装置执行的计算机程序，该计算机程序具有当由该可编程的装置执行时用于执行上述的变桨电机故障诊断方法的代码部分。

以上结合附图详细描述了本公开的优选实施方式，但是，本公开并不限于上述实施方式中的具体细节，在本公开的技术构思范围内，可以对本公开的技术方案进行多种简单变型，这些简单变型均属于本公开的保护范围。

另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合。为了避免不必要的重复，本公开对各种可能的组合方式不再另行说明。

此外，本公开的各种不同的实施方式之间也可以进行任意组合，只要其不违背本公开的思想，其同样应当视为本公开所公开的内容。