[發明專利]風電機組發電機軸承異常智能診斷方法及裝置在審
| 申請號： | 202110030463.2 | 申請日： | 2021-01-11 |
| 公開（公告）號： | CN112765878A | 公開（公告）日： | 2021-05-07 |
| 發明（設計）人： | 姜海蘋;王燦;夏暉;張博;陳鐵;武星明;張天陽 | 申請（專利權）人： | 龍源（北京）風電工程技術有限公司 |
| 主分類號： | G06F30/27 | 分類號： | G06F30/27;G06N20/00;F03D17/00;G06F111/08;G06F113/06;G06F119/06;G06F119/08 |
| 代理公司： | 北京方韜法業專利代理事務所(普通合伙) 11303 | 代理人： | 黨小林 |
| 地址： | 100034 北京市西城區*** | 國省代碼： | 北京;11 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 機組 發電機 軸承 異常 智能 診斷 方法 裝置 | ||
1.一種風電機組發電機軸承異常智能診斷方法，其特征在于，包括：
獲取模型訓練所需的訓練數據；
利用訓練數據訓練隨機森林模型；
利用訓練得到的隨機森林模型，對發電機軸承異常進行預測。
2.根據權利要求1所述的風電機組發電機軸承異常智能診斷方法，其特征在于，訓練數據包括：SCADA系統數據、故障檢修記錄。
3.根據權利要求2所述的風電機組發電機軸承異常智能診斷方法，其特征在于，SCADA系統數據包括：SCADA系統10min數據。
4.根據權利要求2所述的風電機組發電機軸承異常智能診斷方法，其特征在于，故障檢修記錄包括：停機時間、停機原因。
5.根據權利要求1所述的風電機組發電機軸承異常智能診斷方法，其特征在于，利用訓練數據訓練隨機森林模型，包括：
由訓練數據中選取特征數據；
利用選取的特征數據，建立隨機森林模型。
6.根據權利要求5所述的風電機組發電機軸承異常智能診斷方法，其特征在于，特征數據包括：發電機非驅動端軸承溫度、發電機驅動端軸承溫度、發電機有功功率、發電機轉速、槳距角、風速、機艙溫度、艙外溫度。
7.根據權利要求5所述的風電機組發電機軸承異常智能診斷方法，其特征在于，利用選取的特征數據，建立隨機森林模型，包括：
對原始數據集進行可放回隨機抽樣成K組子數據集；
從樣本的N個特征隨機抽樣m個特征；
對每個子數據集構建最優學習模型；
對于新的輸入數據，根據K個最優學習模型，得到最終結果。
8.根據權利要求1所述的風電機組發電機軸承異常智能診斷方法，其特征在于，還包括：
在利用訓練數據訓練隨機森林模型之后，對訓練得到的隨機森林模型的預測準確率進行評估。
9.根據權利要求8所述的風電機組發電機軸承異常智能診斷方法，其特征在于，評估根據以下參數而執行：均方誤差、均方根誤差、平均絕對誤差。
10.一種風電機組發電機軸承異常智能診斷裝置，其特征在于，包括：
一個或多個處理器；
存儲裝置，用于存儲一個或多個程序，
當所述一個或多個程序被所述一個或多個處理器執行，使得所述一個或多個處理器實現根據權利要求1至9任意一項所述的風電機組發電機軸承異常智能診斷方法。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于龍源（北京）風電工程技術有限公司，未經龍源（北京）風電工程技術有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202110030463.2/1.html，轉載請聲明來源鉆瓜專利網。
- 上一篇：一種智能樓宇控制柜
- 下一篇：一種應用于眼鏡樁頭牙釘焊接強度測試的拉力測試機
