[發(fā)明專利]基于粒子群優(yōu)化對風機運行狀態(tài)進行模式識別方法和系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201410183616.7
• 申請日: 2014-04-30
• 公開（公告）號: CN103996048B
• 公開（公告）日: 2017-03-08
• 發(fā)明（設計）人: 葉翔
• 申請（專利權）人: 葉翔
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 北京國昊天誠知識產(chǎn)權代理有限公司11315
• 代理人: 許志勇

1.一種基于粒子群優(yōu)化對風機運行狀態(tài)進行模式識別的方法，其特征在于，包括：

獲取待測風機在一定時間內的運行數(shù)據(jù)，根據(jù)預置的劃分條件將所述運行數(shù)據(jù)劃分為多種運行特征項，在所述一定時間內按相同時長的時間段獲取該待測風機在每一時間段對應的運行特征項；

對各時間段所對應的所述運行特征項進行概率統(tǒng)計處理，生成每一所述運行特征項在該時間段內的概率值，并按照預置的所述待測風機的運行狀態(tài)類型，對所述一定時間內的所有運行特征項進行歸類，建立所述運行特征項與所述運行狀態(tài)類型的對應關系；

利用粒子群優(yōu)化方式在預置的數(shù)值范圍內任意選取多組權重值，構建多個對應于所述待測風機運行狀態(tài)類型的權重矩陣，根據(jù)已建立的所述運行特征項與所述運行狀態(tài)類型的對應關系，將每組所述權重矩陣對所述時間段內出現(xiàn)的所有運行特征項的概率值進行權重處理，得到每組權重矩陣在該時間段內對應的各個所述運行狀態(tài)類型的權重概率，并選取權重概率最大的運行狀態(tài)類型作為所述權重矩陣在該時間段內對應的風機運行模式；

對多組所述權重矩陣進行遍歷迭代處理，檢驗所述待測風機在所述一定時間內的實際運行狀態(tài)與每組權重矩陣在該時間段內對應的所述風機運行模式是否一致，并使用所有所述權重矩陣所收斂的最優(yōu)權重矩陣對所述待測風機的運行狀態(tài)進行模式識別。

2.如權利要求1所述的基于粒子群優(yōu)化對風機運行狀態(tài)進行模式識別的方法，其特征在于，檢驗所述待測風機在所述一定時間內的實際運行狀態(tài)與每組權重矩陣在該時間段內對應的所述風機運行模式是否一致，進一步為：

根據(jù)所述待測風機在一定時間內的實際運行狀態(tài)與每組權重矩陣在該時間段內對應的所述風機運行模式進行比對，檢驗該待測風機的所述實際運行狀態(tài)與所述風機運行模式是否一致，將所述待測風機的所述實際運行狀態(tài)與所述待測風機運行模式比對不一致的時間段作為誤差。

3.如權利要求2所述的基于粒子群優(yōu)化對風機運行狀態(tài)進行模式識別的方法，其特征在于，使用所有所述權重矩陣所收斂的最優(yōu)權重矩陣對所述待測風機的運行狀態(tài)進行模式識別，進一步為：

確定出所有所述權重矩陣利用粒子群優(yōu)化方式進行遍歷迭代處理后所收斂至誤差值最小的所述權重矩陣作為所述最優(yōu)權重矩陣，使用該最優(yōu)權重矩陣對所述待測風機的運行狀態(tài)進行模式識別。

4.如權利要求1所述的基于粒子群優(yōu)化對風機運行狀態(tài)進行模式識別的方法，其特征在于，獲取待測風機在一定時間內的運行數(shù)據(jù)，進一步為：

對所述待測風機在一定時間內的風速數(shù)據(jù)與該待測風機的發(fā)電功率、葉片轉速、變槳轉角的運行數(shù)據(jù)進行相關性測試，獲取由該相關性測試所生成的所述運行特征項。

5.如權利要求1所述的基于粒子群優(yōu)化對風機運行狀態(tài)進行模式識別的方法，其特征在于，

所述一定時間，進一步為：以周、月或者整數(shù)天為固定值的時間期限；

所述相同時長的時間段，進一步為：在所述一定時間內以至少10分鐘作為固定值的時間段。