[發明專利]基于傾角傳感器信息的風電塔筒傾覆智能診斷方法

有效

• 申請號: 202011424730.6
• 申請日: 2020-12-09
• 公開（公告）號: CN112560916B
• 公開（公告）日: 2022-11-01
• 發明（設計）人: 鄭鋼;浦蓉暉;于廣匯;賀正良
• 申請（專利權）人: 甘肅靖遠航天風力發電有限公司
• 主分類號: G06F17/18
• 分類號: G06F17/18;G06F17/16;F03D17/00;G06K9/62
• 代理公司: 蘭州智和專利代理事務所(普通合伙) 62201
• 代理人: 周立新

1.一種基于傾角傳感器信息的風電塔筒傾覆智能診斷方法，其特征在于，具體按以下步驟進行：

1）利用分別安裝在塔筒頂端和底座法蘭平面上的傾角傳感器實時采集塔筒傾斜數據和塔筒基礎沉降數據，并將采集到的數據傳輸給遠程監測平臺進行預處理，得到塔筒基礎沉降數據集{a_x,a_y}與塔筒傾斜數據集{b_x,b_y}；

2）根據公式提取固定時間段內傾角數據集{a_x,a_y,b_x,b_y}的中的能量特征e_h，得到風機傾斜能量特征集合e=[e₁,e₂,…,e_n]^T；

式中，h為固定時間段，E()表示求取期望；

3）利用步驟2）中得到的風機傾斜能量特征集合e建立模型訓練數據集和測試數據集；其中，x_i=[e_i-m,e_i-m+1,…,e_i]^T，y_i=e_i+k；

式中，t為訓練集長度，l是測試集長度，m為嵌入維數，k表示預測步數；

4）根據公式y_i=f(x_i)+ξ_i構建基于高斯過程的核自適應濾波模型；

式中，f(x_i)～GP(μ, Σ)表示符合均值向量為μ、協方差矩陣為Σ的高斯過程，表示均值為零、方差為的高斯噪聲；

將訓練集輸入該基于高斯過程的核自適應濾波模型中，根據公式(3)計算模型預測的后驗分布；

式中，為后驗分布的均值，表示后驗分布的方差，其中k_j=[k(x₁,x_j),k(x₂,x_j),…,k(x_t,x_j)]^T，K_t=[k₁,k₂,…,k_t]，y_t=[y₁,y₂,…,y_t]^T，GP表示高斯過程，每一個高斯過程完全由均值向量μ和協方差矩陣Σ共同決定，為關于噪聲方差的先驗信息；

5）將遺忘因子λ∈(0,1]引入步驟4）構建的基于高斯過程的核自適應濾波模型中，并根據公式(4)構建實時核自適應濾波模型；

6）將測試集D_test輸入步驟5）構建的實時核自適應濾波模型中，得出任意k步的數據預測結果；

7）利用殘差分析定量評估模型預測精準度。