[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
地址：	110169 遼***	國省代碼：	遼寧;21
權利要求書：	查看更多	說明書：	查看更多
摘要：
搜索關鍵詞：	一種采用圖像模型風力發電機運行狀態智能方法
鉆瓜網技術展會專利詞庫專利權人專利榜在售專利公布日期熱門專利

【說明書】：

本發明涉及一種采用圖像模型的風力發電機運行狀態智能辯識方法，其中，風力發電機組運行狀態識別方法，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。其有益效果是，本發明中提出的風力發電機組運行狀態識別方法基于采樣點構成的點云的幾何分布特征的觀點實現的，而不是基于采樣點數值特征進行分析，為風力發電機的運行狀態辨識和故障預測提供了新的角度。

技術領域

本發明涉及風力發電機組運行狀態識別和故障預測技術領域技術領域，尤其涉及一種采用圖像模型的風力發電機運行狀態智能辯識方法。

背景技術

風力發電機組的運行狀態監控是風力發電系統的重要組成部分。風力發電機發生故障時，不僅會影響經濟效益，也可能對風電場的安全產生威脅。隨著風力發電機組裝機量的增大，如何準確高效的辨識風力發電機的運行模式這一問題變得越來越重要。風力發電機運行狀態辨識或預測的方法主要有基于模型分析和基于數據驅動兩類。基于模型分析的方法通過分析測量數據和先驗數據的殘差辨識風機的運行狀態。然而，風機運行過程是一個復雜的過程，很難建立一個精準的模型。已有關風力發電機運行狀態辨識或故障預測的方法已有很多成果，但是仍存在以下問題待解決：

(1)風力發電機的運行是動態過程，受系統慣性和控制遲滯等風機固有特性的影響，同一狀態下不同暫態點的數據之間存在很大的差異性。前人的方法都是從微觀上對采樣點的數值進行分析，當系統輸入頻繁變化時，暫態的數值與理論值偏差較大，所表現的特征不足以說明風機的運行狀態，這樣的數據對于后續網絡的特征學習過程是干擾的。

(2)風機結構復雜，傳感器采集的信息種類多，數量大，且大部分信息都處于一個閉環的流程內，不同信息間具有復雜的非線性耦合關系。輸入變量的改變會引起系統內多個環節進行動態的調整，這樣會導致不同狀態下某些變量的數值發生重疊。因此，在一維或二維空間內進行分析具有很大的局限性。

(3)不同狀態有可能導致相同的結果，如風速過高和停機最終都會導致功率為0，系統的所有環節都具有向輸出功率為0的狀態逼近的趨勢。因此從采樣點的數值上分析，兩個狀態下只有某些變量(如風速)會有差異，少量的信息差異對于大量的信息而言是作用微小的。

發明內容

(一)要解決的技術問題

鑒于現有技術的上述缺點、不足，本發明提供一種風力發電機組運行狀態識別方法及系統。

(二)技術方案

為了達到上述目的，本發明采用的主要技術方案包括：

第一方面，本發明實施例提供一種采用圖像模型的風力發電機運行狀態智能辯識方法。

本發明實施例提出的一種采用圖像模型的風力發電機運行狀態智能辯識方法，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。