[發明專利]一種基于壓縮感知的風力發電機組異常檢測方法

有效

• 申請號: 201410160284.0
• 申請日: 2014-04-16
• 公開（公告）號: CN104265577B
• 公開（公告）日: 2017-05-10
• 發明（設計）人: 羅光明;李婷煜;田淑娟;李哲濤;朱更明
• 申請（專利權）人: 湘潭大學
• 主分類號: F03D17/00
• 分類號: F03D17/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發明涉及將信號處理中壓縮感知技術應用于風力發電機組的硬件異常檢測的方法，屬于信號處理與異常檢測領域。

背景技術

風機機組是現代工礦企業大量使用的動力設備，在企業生產和經濟建設中起到非常重要地作用。隨著風電行業的迅猛發展，風電機組規模越來越大，機組設備一旦出現故障將給企業帶來較大的影響。風電機組一般都安裝在空曠遠離市區的地方，并且安裝在60米以上的高空，如果不能預測故障的發生，在機組設備發生故障后，調用其他巨型機械對其拆機、組裝等維修費用高昂。應用故障預測可以在風機出現故障之前進行停機檢修，大幅度降低維修費用，預防突發事故。因此風電機組的異常檢測具有重要的實際應用價值。

風力發電機組故障種類繁多，而現有的預測方法中能診斷故障類型卻難以判斷發生故障的部位，維修技術難度大、維修耗時長。因此，尋求一種能夠精確定位到異常器件的方法具有重要的工程價值和經濟價值。

壓縮感知是建立在矩陣分析、統計概率論、拓撲幾何、優化與運籌學、泛函分析等基礎上的一種全新的信息獲取與處理的理論框架。它基于信號的可壓縮性，通過低維空間、低分辨率、欠Nyquist采樣數據的非相關觀測來實現高維信號的感知。將壓縮感知應用于風力發電機組異常檢測中，不僅具有檢測異常器件的作用，而且有助于提高檢測精度。壓縮感知中要求重構信號是稀疏信號，而風力發電機組中多個器件同時出現故障和異常的概率非常低，因此滿足了信號的稀疏性。測量矩陣可以通過采集的歷史數據分析得出。壓縮感知與風力發電機組異常檢測的結合，將最新的信號處理技術應用到工程實踐中，拓展了壓縮感知的應用領域，也更好地解決了故障檢測中異常器件地位問題。

發明內容

針對現有風電機組異常檢測問題，本發明公開了一種基于壓縮感知的風力發電機組異常檢測方法。本發明所述的方法：將壓縮感知理論應用于風力發電機組異常檢測，通過對風力發電機組中各種傳感器采集的標量和矢量數據分析，用壓縮感知還原算法發現機組中出現異常的器件。本發明能夠提高風機異常檢測的精確度，并能將故障檢測區域縮小至器件上。

根據本發明的一個方面，提供了一種基于壓縮感知的風力發電機組異常檢測方法，包括以下步驟：

步驟一、對風機機組出現異常時各種傳感器采集的歷史數據進行數據分析，獲得測量矩陣的過程。

1)將各傳感器在每τ秒內采集的實時數據取平均值作為一組測量值Y∈R^m，m為傳感器的種類個數，即測量值Y的長度：

如傳感器有：溫度傳感器、液壓傳感器、轉速傳感器，則m＝3；若τ＝2時，測量值Y＝[溫度2秒間隔內平均值液壓2秒間隔內平均值轉速2秒間隔內平均值]；

2)將機組模塊中的器件狀態良好設為0值，狀態異常設為非0值，對應出現異常時各個器件的狀態組成集合X∈R^N，N為可能出現異常的器件個數，即稀疏信號長度；

如：在風機機翼部要檢測的器件有：風輪軸、增速器、聯軸器、液體、電磁閥、液壓制動器和管路，則器件個數為7，稀疏信號X＝[風輪軸狀態增速器狀態聯軸器狀態液體狀態電磁閥狀態液壓制動器狀態管路狀態]＝[0001000]；

3)將多組測量值Y∈R^m和稀疏信號X∈R^N，代入Y＝ΦX可得出測量矩陣Φ∈R^m×N；

4)將測量矩陣Φ進行優化，作為風力發電機組異常檢測的經驗矩陣。

步驟二、通過經驗矩陣和各個傳感器采集到的數據組，應用壓縮感知重構算法，檢測出現異常器件的過程。

1)將風力機組中各個傳感器采集到的標量和矢量數據作為測量值Y∈R^m；

2)將風力機組的模塊中各個器件的狀態組成信號X∈R^N；

3)利用m維向量Y和經驗矩陣Φ，通過OMP算法，重構稀疏信號X，步驟如下：

①初始化數據：殘差初始值R₀為機組傳感器采集的數據組Y，即R₀＝Y，記錄異常器件地點的支撐集初始值設置最高迭代次數為m(m為測量值長度)，迭代初始值t＝1，初始支撐測量矩陣

②計算殘差R和經驗矩陣列向量的內積，并找到其最大值所對應的下標λ：

③更新支撐集Λ_t＝Λ_t-1∪{λ_t}，記錄傳感矩陣中重建原子集合

④采用最小二乘法估計表示器件狀態的稀疏信號中非零值

⑤更新殘差迭代次數t＝t+1；