[發明專利]發電機磁鋼脫落的檢測方法、裝置、設備及存儲介質

在審

• 申請號: 202010479984.1
• 申請日: 2020-05-29
• 公開（公告）號: CN112651419A
• 公開（公告）日: 2021-04-13
• 發明（設計）人: 鐘慧超;宋建軍;俞海國;王雄;郭樹峰
• 申請（專利權）人: 北京金風慧能技術有限公司;江蘇金風軟件技術有限公司;青海綠能數據有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/00;G01R31/34
• 代理公司: 北京市立方律師事務所 11330
• 代理人: 張筱寧;宋海斌

1.一種發電機磁鋼脫落的檢測方法，其特征在于，所述方法包括：

獲取風力發電機運行時的狀態監測數據及SCADA瞬態數據；

分別對所述狀態監測數據及SCADA瞬態數據進行特征識別，得到發電機的狀態監測數據特征及SCADA瞬態數據特征；

對所述狀態監測數據特征及SCADA瞬態數據特征進行特征融合，得到所述風力發電機運行時的融合數據；

根據訓練后的異常特征融合數據，確定所述融合數據對應的磁鋼狀態信息，所述磁鋼狀態信息包括磁鋼脫落初期信息、磁鋼脫落中期信息和磁鋼脫落后期信息。

2.根據權利要求1所述的檢測方法，其特征在于，所述異常特征融合數據是通過下述方式預先訓練得到的，包括：

獲取風力發電機運行數據樣本，所述運行數據樣本包括狀態監測數據樣本和SCADA瞬態數據樣本；

根據所述運行數據樣本，分別確定狀態監測數據異常特征和SCADA瞬態數據異常特征；

根據歷史運行數據，將所述狀態監測數據異常特征和SCADA瞬態數據異常特征進行特征融合，確定異常特征融合數據。

3.根據權利要求2所述的檢測方法，其特征在于，所述確定狀態監測數據異常特征的步驟，包括：

初始化得到一個稀疏表示字典；

構建殘差閾值改進的正交匹配追蹤算法，對所述狀態監測數據樣本進行稀疏表示，獲得稀疏表示系數；

根據所述字典學習算法，對所述稀疏表示系數及狀態監測數據樣本進行迭代更新，確定更新后的狀態監測數據字典；

根據包絡譜分析方法，從所述狀態監測數據字典中提取出所述狀態監測數據異常特征。

4.根據權利要求2所述的檢測方法，其特征在于，所述確定SCADA瞬態數據異常特征的步驟，包括：

根據主成分分析技術，確定所述SCADA瞬態數據樣本中的主成分樣本數據；

根據支持向量機算法，在所述主成分樣本數據中確定出所述SCADA瞬態數據樣本的異常特征。

5.根據權利要求4所述的檢測方法，其特征在于，所述根據主成分分析技術，確定所述SCADA瞬態數據樣本中的主成分樣本數據，包括：

將所述SCADA瞬態數據樣本進行中心化處理；

確定所述SCADA瞬態數據樣本對應的特征向量矩陣；

根據中心化處理后的SCADA瞬態數據樣本和所述特征向量矩陣，確定所述主成分樣本數據。

6.根據權利要求4所述的檢測方法，其特征在于，所述根據支持向量機算法，在所述主成分樣本數據中確定出所述SCADA瞬態數據樣本的異常特征包括：

根據所述主成分樣本數據，構建數據超平面；

根據所述數據超平面和訓練后的支持向量分類器，確定所述SCADA瞬態數據樣本的異常特征。

7.根據權利要求2所述的檢測方法，其特征在于，所述根據歷史運行數據，將所述狀態監測數據異常特征和SCADA瞬態數據異常特征進行特征融合，確定異常特征融合數據，包括：

根據數理統計分析和所述歷史運行數據，對所述狀態監測數據異常特征數據和SCADA瞬態數據異常特征進行特征融合，確定包括第一狀態融合數據、第二狀態融合數據或第三狀態融合數據之一的異常特征融合數據。

8.根據權利要求7所述的檢測方法，其特征在于，所述根據訓練后的異常特征融合數據，確定所述融合數據對應的磁鋼狀態信息，包括：

根據所述第一狀態融合數據、第二狀態融合數據或第三狀態融合數據，確定所述融合數據對應的磁鋼狀態信息。