[發明專利]一種基于動態網絡標志的風電機組早期缺陷預警方法

有效

• 申請號: 201710379072.5
• 申請日: 2017-05-25
• 公開（公告）號: CN107291991B
• 公開（公告）日: 2020-08-07
• 發明（設計）人: 方瑞明;吳敏玲
• 申請（專利權）人: 華僑大學
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06F111/08
• 代理公司: 廈門市首創君合專利事務所有限公司 35204
• 代理人: 張松亭

1.一種基于動態網絡標志的風電機組早期缺陷預警方法，其特征在于，所述方法包括以下步驟：

S1：根據風電機組的拓撲圖對影響風電機組狀態變化的具有強交互耦合性的多變量進行確定，然后結合支持向量回歸對各個變量的參照數據組和觀測數據組進行選取，并使用概率分布嵌入方案對參照數據組和觀測數據組的數據進行降噪處理，處理后得到新的參照數據序列和觀測數據序列；

S2：將步驟S1中降噪處理后的參照數據序列和觀測數據序列分別分成n段，并將各個時間段內的參照數據序列和觀測數據序列數據進行偏差對比后，分別選出各個時段內變化顯著的變量進行相關性聚類，得出各時段內顯著影響風電機組狀態變化的若干個候選動態網絡標志群，這里將動態網絡標志群記為DNM群；

S3：分別計算步驟S2中得到的各時段每個候選DNM群內變量的平均標準偏差Sd'、平均皮爾遜相關系數PCC_in'及每個候選DNM群與其他候選DNM群內變量的平均皮爾遜系數PCC_out'，判斷各個候選DNM群的平均標準偏差Sd'、平均皮爾遜相關系數PCC_in'及平均皮爾遜系數PCC_out'是否同時滿足風電機組狀態轉變前的三個臨界特性，若符合則將該候選DNM群作為顯著影響風電機組狀態變化的主導DNM群；

S4：分別計算步驟S3中主導DNM群在各時間段內的動態網絡標志的量化值I，通過檢測不同時段的動態網絡標志的量化值在機組狀態轉變前的動態變化，對機組可能發生故障的時間點以及部位進行預警。

2.根據權利要求1所述的一種基于動態網絡標志的風電機組早期缺陷預警方法，其特征在于：所述步驟S1中風電機組的拓撲結構圖由風電機組裝設的SCADA系統提供的多個監測項目進行表示；

所述步驟S1具體包括以下步驟：

S101：選取SCADA系統提供的多個監測項目中的多項SCADA連續量監測項目作為研究的多變量；

S102：基于步驟S101中選取的多項SCADA監測項目的歷史無故障數據，應用具有回歸預測能力的支持向量機，以單變量為支持向量回歸模型輸出量，而其他變量為支持向量回歸模型輸入量的模式，建立各個監測項目的支持向量回歸模型；

S103：基于風電機組安全運行的情況下采集的監測運行數據，分別使用步驟S102建立的模型對各個監測項目進行狀態變化趨勢預測，得到的預測數據為所述參照數據組；而將與風電機組運行狀態相關的監測項目的實測運行數據作為所述觀測數據組；

S104：基于概率分布嵌入方案，選取窗口間隔k，通過多時刻展開的方式對步驟S103中得到的帶有大噪聲的參照數據組和觀測數據組進行轉變，得到在高維空間中帶有更小噪聲的相應概率分布的新的參照數據序列和觀測數據序列。

3.根據權利要求2所述的一種基于動態網絡標志的風電機組早期缺陷預警方法，其特征在于：所述步驟S104中多時刻展開方式轉變帶有大噪聲的參照數據組和觀測數據組時，將原有參照數據組和觀測數據組數據維度擴展到二階，即一階m1(t)、二階m2(t)，其中，m1(t)＝[x(t-k)+x(t-k+1)+x(t-k+2)+...+x(t)]/k,t,k∈N^*,tk，m2(t)＝[(x(t-k)-m1(t))²+(x(t-k+1)-m1(t))²+...+(x(t)-m1(t))²]/k,t,k∈N^*,tk，式中，x(t)為某時刻的參照數據或觀測數據，k為窗口間隔。