问题背景

在风场巡检中发现风机叶根螺栓断裂的情况，然而叶根螺栓没有传感器监控，断裂时间点未知，为了及时掌握此类故障发生，在故障发生初期及时发出预警，避免更大事故的发生。

螺栓断裂样图

解决方案

风电机组运行过程中通过提取相关特征，包括机舱加速度、速率比、平均桨距角、最大桨距角、变桨速率、发电机转速等，采用监督学习分析方法建立正常与故障模型，确定螺栓断裂发生的时间段，再通过对分类算法阈值的不断学习，逐渐找到精准的断裂发生时间点，进而实现对螺栓断裂的精准预测。

建模流程图

总结说明

在不同风速段下可达到 90%以上的识别准确率（不同风机上表现有差异），下图展示的是风机运行过程中模型自动判断运行状态为正常的概率（概率接近 0 则为异常，概率接近 1 则为正常），从 1 到 0 的阶跃位置即为故障发生时间，一旦状态值发生跳跃，则系统发出故障告警信息，同时机组停机，运维人员及时到现场排查和检修，从而避免较大故障风险，在一定程度上也能降低运维成本。

风机运行状态概率随时间变化图