摘要
本发明公开了一种基于运行数据的风电设备的故障监测方法及系统,首先获取包含故障类型的历史运行数据,利用预设的关联性算法量化各运行参数与故障之间的相关度,并映射至二维平面,构建结构化点集,增强了多维数据的可视性与可处理性。在关键影响因子筛选过程中,选择相关度最大的运行参数作为基准点,具有明确的物理故障表征意义,可聚焦于与目标故障机理高度相关的核心参数,从源头上提高候选因子集的准确性,从而进一步筛选关键影响因子。并据此构建专属故障监测子模型,能够确保模型输入具有高度针对性,从而大幅提升对各类故障的识别准确率和分类清晰度,提高风电设备的故障检测准确性。
技术关键词
风电设备
故障监测方法
历史运行数据
因子
滑动窗口
多维特征向量
分布特征
故障监测系统
生成训练数据
参数
故障工况
故障检测模块
标签
数据采集模块
序列
算法
故障表征
系统为您推荐了相关专利信息
疲劳寿命预测方法
特高压
振动特征
剩余疲劳寿命
疲劳累积损伤
古籍图像修复方法
图像块
字符
滑动窗口
VGG网络
动态风险评估方法
水土流失监测
动静特征
风险预测模型
因子
机器学习方法
能耗
回归算法
特征选择技术
数据压缩算法