[發明專利]一種采用圖像模型的風力發電機運行狀態智能辯識方法

在審

• 申請號: 202011438196.4
• 申請日: 2020-12-07
• 公開（公告）號: CN112561288A
• 公開（公告）日: 2021-03-26
• 發明（設計）人: 宋崇輝;陳慶;張海峰;高俊山;王文文;王景琦;趙青青;邢旭進;張子闊
• 申請（專利權）人: 東北大學
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q50/06;G06K9/00;G06K9/62;G06N3/04;G06N3/08;G06T17/00;F03D17/00
• 代理公司: 北京易捷勝知識產權代理事務所(普通合伙) 11613
• 代理人: 韓國勝

1.一種采用圖像模型的風力發電機運行狀態智能辯識方法，其特征在于，包括：

S1、獲取風力發電機組運行的圖像模型；

S2、采用深度卷積神經網絡對所述圖像模型進行辨識，確定風力發電機的運行狀態；

所述深度卷積神經網絡預先經過預先設定的圖像模型訓練樣本訓練。

2.根據權利要求1所述的方法，其特征在于，在S1之前還包括：

S0、根據預先獲取的風力發電機組運行的觀測數據，獲取圖像模型訓練樣本。

3.根據權利要求2所述的方法，其特征在于，所述S0包括：

S01、根據預先獲取的風力發電機組運行的觀測數據，獲取輔助變量；

S02、根據所述輔助變量在三維空間中建立三維點云；

S03、基于所述三維點云，獲取三維特征曲面；

S04、以灰度表示曲面幅值，將所述三維特征曲面轉換為2D灰度圖像；

S05、堆疊RGB三通道的2D灰度圖像，獲取包含風力發電機狀態信息的圖像模型訓練樣本。

4.根據權利要求3所述的方法，其特征在于，所述步驟S01具體包括：

根據預先獲取的風力發電機組運行的觀測數據，按照預先設定的選取規則從S中選取輔助變量；

其中

其中，為初始的SCADA數據，包含風速v和功率P和r個變量，這r+2個觀測變量每個都有n_s個采樣點；

其中，所述預先設定的選取規則為：

其中，P_k是第k個采樣點的功率，k＝1,…,n_s是行索引，s_q是第q個輔助變量，q＝1,…,r是列索引，s_q,k是第k個采樣點的第q個變量，預先給定閾值為ε和γ；KLD(P||s_q)為變量s_q和功率P的K-L散度的值，其中

其中F(·)是概率分布函數；

Δ_q是和的改變量；代表ρ_g的正常情況，代表ρ_g的故障情況；

ρ_q是變量s_q和功率P的斯皮爾曼相關性，

所述d_q,k是P和s_q分別按升序排列后P_k和s_q,k的秩次差。

5.根據權利要求4所述的方法，其特征在于，

所述輔助變量為：

6.根據權利要求5所述的方法，其特征在于，所述步驟S02具體包括：

S021、根據所述輔助變量，在v-P-s^*坐標系中的點(v,P,s^*)組成三維點云分布圖為C^*(v,P,s^*)，其中

且，

其中下標b⁺和b^-分別代表最大值和理論最小值；為風速v的最大值；為風速v的最小值；為功率P的最大值；為功率P的最小值；為s^*最小值；為s^*最大值；

S022、按照映射規則將v-P-s^*坐標系離散化并封裝為離散坐標系i-j-k^*，獲取i-j-k^*坐標系下的三維點云圖C^*(i,j,k^*)；

其中所述映射規則為：

區域被等分為n_i部分，區域被等分為n_P個部分，區域被等分為個部分；

坐標轉換后，