[發明專利]基于擴散圖數據降維技術的風力發電機組健康度評估方法

有效

• 申請號: 201910582504.1
• 申請日: 2019-06-29
• 公開（公告）號: CN110309492B
• 公開（公告）日: 2020-08-04
• 發明（設計）人: 梁濤;錢思琦;程立欽;陳博;孟召潮;謝高鋒
• 申請（專利權）人: 河北工業大學
• 主分類號: G06F17/18
• 分類號: G06F17/18;G06Q10/06;G06Q50/06;G06Q10/00
• 代理公司: 北京匯信合知識產權代理有限公司 11335
• 代理人: 戴鳳儀

1.一種基于擴散圖數據降維技術的風力發電機組健康度評估方法，其特征在于：包括以下步驟：

步驟一：采集樣本數據：采集風力發電機組不同故障前一個星期的故障樣本數據；

步驟二：構建檢測模型：將采集到的不同故障的歷史數據作為樣本模型，使用數據降維的擴散圖技術將不同模型的高維數據進行數據壓縮，使其降到二維空間中，將降維后的樣本數據進行不同故障類別標示，并在同一二維坐標軸中進行展示；

步驟三：不同故障質心選擇：利用擴散圖技術得到的不同類型故障以簇的形式分布在二維平面上，通過使用高斯概率密度核函數計算出不同簇的質心，以質心代表不同的故障部位和類型；

步驟四：數據降維：使用擴散圖數據降維技術將風力發電機運行時產生的實時數據降到二維空間；

步驟五：整機健康度評估：以風力發電機組健康狀態下運行的數據作為評估基準點，使用擴散圖技術將標準健康數據壓縮到二維空間作為基準健康曲面，并將此時點設置為0；使用GMM模型計算風力發電機組實時數據壓縮后產生的點和風力發電機組基準面壓縮到同一二維平面，使用L2公式計算風力發電機組的健康度；

步驟六：風力發電機組關鍵部件健康度評估：將風力發電機組關鍵部件的模型提取到一個二維空間中，將實時數據輸入到模型中，通過點到質心的距離大小和方向對風力發電機的主要部件進行健康度評估；以最大距離作為部件健康度指標，以方向作為風力發電機組關鍵部件對故障模型的指向；

所述步驟一中，采樣頻率為10min，采樣維度為51，每條樣本數據所包含的樣本容量為1008*51；

所述步驟二中，擴散圖框架起源于動力學系統領域，在數據圖上定義馬爾可夫隨機游動的基礎上得到的；通過執行若干個時間步的隨機游走，獲得了數據點的接近度測量值，在擴散映射框架中，使用高斯核函數計算圖中邊緣的權重，得到矩陣：

其中，σ²表示高斯方差，矩陣W以行的和為1進行歸一化處理；矩陣P⁽¹⁾為：

由于擴散圖來源于動力學系統理論，因此所得矩陣P⁽¹⁾被認為是定義動力學過程正向轉移概率矩陣的馬爾可夫矩陣；因此，矩陣P⁽¹⁾表示在單個時間步中從一個數據點到另一個數據點的轉換概率；t個時間步長P^(t)的正向概率矩陣由(P⁽¹⁾)^t給出；利用隨機前移概率擴散距離定義為：

ψ(x_i)⁽⁰⁾將高密度的部分賦予更大的權重；m_i是x_i的密度，m_i＝∑_jp_ij；從擴散距離定義可以看出，具有高正向轉換概率的成對數據點具有較小的擴散距離；在數據的低維表示中，擴散圖試圖保持擴散距離；擴散距離由特征問題的d個主特征向量構成：

P^(t)v＝λv

低維表示數據由d個主特征向量給出，特征向量通過其相應的特征值進行歸一化，因此，低維數據表示為：

Y＝{λ₂v₂,λ₃v₃,…,λ_d+1v_d+1}。

2.根據權利要求1所述的基于擴散圖數據降維技術的風力發電機組健康度評估方法，其特征在于：所述步驟四中，通過擴散圖算法將風力發電機組運行產生的歷史故障特征降維處理。

3.根據權利要求1所述的基于擴散圖數據降維技術的風力發電機組健康度評估方法，其特征在于：所述步驟五中，風力發電機組健康狀態下運行的數據為實時數據，并將實時數據輸入到模型中評估風力發電機組的健康度。