[發明專利]一種風電機組的故障狀態智能監測與診斷方法

有效

• 申請號: 201811351945.2
• 申請日: 2018-11-14
• 公開（公告）號: CN109444740B
• 公開（公告）日: 2020-10-02
• 發明（設計）人: 于文新;黃守道;趙延明;吳軒
• 申請（專利權）人: 湖南大學
• 主分類號: G01R31/34
• 分類號: G01R31/34
• 代理公司: 湘潭市匯智專利事務所(普通合伙) 43108
• 代理人: 顏昌偉

本發明公開了一種風電機組的故障狀態智能監測與診斷方法，包括以下步驟：利用偏最小二乘法建立風電機組非線性模型；結合極限學習機、混沌映射和螢火蟲算法構建故障預測模型；通過深度信念學習結合極限學習機建立DBN?ELM故障診斷模型；通過計算非線性數學模型與預測模型之間的殘差對機組進行狀態監測，判斷風電機組是否發生故障，啟動故障診斷模型對故障進行診斷和定位。本發明首先利用偏最小二乘法建立風電機組非線性模型，然后結合極限學習機、混沌映射和螢火蟲算法構建故障預測模型，通過二者結合進行故障監測；一旦監測模型發生報警，啟動DBN?ELM模型對故障進行診斷和定位，降低了故障監測的復雜度，提高了故障的診斷正確率。

技術領域

本發明涉及風電領域，特別涉及一種風電機組的故障狀態智能監測與診斷方法。

背景技術

風能是一種取之不盡用之不竭的綠色能源，據全球風能理事會(GWEC)發布的數據顯示，2017年全球風電新增裝機容量約52.57吉瓦(GW)，累計裝機容量達到539.58GW。而我國去年風電新增裝機容量達19.5GW，占全球風電新增裝機容量的37.1％。但是風力發電系統往往安裝在偏僻的、難以接近的或者氣候不適合人類長期逗留的地域，長期以來，一直采用計劃維修和事后維修的方式。計劃維修在運行2500h或者5000h后進行例行維護，無法全面及時地了解設備狀況；事后維修則更是維修工作曠日持久，損失重大。研究顯示，利用有效的設備監測和故障診斷手段，能對風電機組運行中的各個參數進行連續監測，實時獲取反映風電機組運行狀態的各種信息，在對各種信息進行分析處理后，給出設備運行的狀況報告和診斷結果，并根據診斷結果安排合適的檢修計劃，從而可減少約75％的設備事故率，降低25％～50％的維修費用，獲利投資比高達17:1，在大大提高風機的安全性的同時，可有效降低風力發電的成本。

發明內容

為了解決上述技術問題，本發明提供一種算法簡單、診斷精度高的風電機組的故障狀態智能監測與診斷方法。

本發明解決上述技術問題的技術方案是：一種風電機組的故障狀態智能監測與診斷方法，包括以下步驟：

步驟一：利用偏最小二乘法建立風電機組非線性模型；

步驟二：結合極限學習機、混沌映射和螢火蟲算法構建故障預測模型；

步驟三：通過深度信念學習結合極限學習機建立故障診斷模型；

步驟四：通過計算非線性數學模型與預測模型之間的殘差對機組進行狀態監測，當殘差超過容差范圍，判斷風電機組發生故障，系統啟動故障診斷模型對故障進行診斷和定位。

上述風電機組的故障狀態智能監測與診斷方法，所述步驟一具體步驟為：

1-1)采集風電機組輸出功率、輪轂轉速、葉片變槳角度、變槳電機電流、發電機電流、發電機轉矩、發電機定子溫度、主軸承溫度正常的特征數據作為歷史數據,記為x₁,x₂,…,x_q,y；其中x_q表示第q個特征參數，x₁,x₂,…,x_q組成自變量矩陣x，y表示風力發電機的輸出功率，作為因變量；

1-2)將自變量矩陣x與因變量y進行標準化處理，得到標準化變量矩陣E₀和標準化列向量f₀，具體公式為：