[發明專利]一種風力發電機主軸承溫度異常預警方法

在審

• 申請號: 202110677443.4
• 申請日: 2021-06-16
• 公開（公告）號: CN113312851A
• 公開（公告）日: 2021-08-27
• 發明（設計）人: 邢濤;張華;趙彬;姜庭剛;王宇昊
• 申請（專利權）人: 華電山東新能源有限公司
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06K9/62;G06F16/28;G06F16/215;F03D17/00
• 代理公司: 北京棘龍知識產權代理有限公司 11740
• 代理人: 張開

1.一種風力發電機主軸承溫度異常預警方法，其特征在于：所述風力發電機主軸承溫度異常預警方法包括如下步驟：

(1)對風機SCADA采集的數據處理，并將這些數據存儲到設定的數據庫中；

(2)傳入待測風機的數據，并初始化高斯分布的模型參數；

(3)通過循環計算，根據貝葉斯定理計算故障系數的后驗概率；

(4)通過循環計算，求得新的均值向量、新的協方差矩陣及新的高斯混合系數；

(5)通過判別條件判定所求的結果是否滿足計算停止條件；

(6)更新聚類劃分類別，對故障樣本進行標記，并輸出最終的預警結果。

2.根據權利要求1所述的一種風力發電機主軸承溫度異常預警方法，其特征在于：所述步驟(1)中采集某風機的歷史運行數據，通過聚合算法，將秒級的數據聚合為分鐘級數據，這樣有利于數據的處理并優化存儲空間，對于聚合后的數據，通過時間及風速進行可視化輸出，利用運行人員的經驗判別無效數據，并將無效數據剔除，根據處理后的數據設置SQL數據庫并存儲這些數據。

3.根據權利要求1所述的一種風力發電機主軸承溫度異常預警方法，其特征在于：所述步驟(2)中的聚合算法是以相似性為基礎，在一個聚類中的模式之間比不在同一聚類中的模式之間具有更多的相似性，SQL數據庫是具有數據操縱和數據定義等多種功能的數據庫語言。

4.根據權利要求1所述的一種風力發電機主軸承溫度異常預警方法，其特征在于：所述步驟(2)中假設故障預警模型中，輸入模型的樣本的生成過程由高斯混合和分布給出，對于給定一個具體的數據樣本集合Ω＝{x₁,x₂…x₃}，高斯混合算法的描根據被選擇的混合成分的概率密度進行采樣，從而生成相應的樣本。定義高斯混合分布：

其中，x代表數據樣本Ω中的樣本，μ_i和Σ_i是第i個高斯混合成分的參數，而α_i＞0為相應的混合系數，且根據貝葉斯定理，z_j的后驗分布對應于：

當高斯混合分布已知時，高斯混合聚類把樣本集Ω劃分為k個簇C＝{C₁,C₂…C₃}，每個樣本x_j的簇標記λ_j由第三步確定。

5.根據權利要求1所述的一種風力發電機主軸承溫度異常預警方法，其特征在于：所述步驟(3)中的根據貝葉斯定理計算故障系數的后驗概率：

其中，γ_ji為后驗概率，從原型聚類的角度看，高斯混合聚類是采用概率模型對原型進行刻畫，簇劃分則由原型對應后驗概率確定。

6.根據權利要求1所述的一種風力發電機主軸承溫度異常預警方法，其特征在于：所述步驟(3)中高斯混合聚類算法采用極大似然估計，最大化似然函數，通常采用EM算法進行迭代優化求解，通過迭代優化來求得每個所屬于的每個后驗概率。EM算法的大致迭代過程為：每部迭代中，先根據當前參數計算每個樣本屬于高斯成分的后驗概率(E步)，該根據最大化似然函數的推導公司更新模型參數(M步)。

7.根據權利要求1所述的一種風力發電機主軸承溫度異常預警方法，其特征在于：所述步驟(4)中根據第三步中的模型，以及輸入模型中的風機數據，設計循環迭代算法，以計算得到新的均值向量、新的協方差矩陣及新的高斯混合系數。

8.根據權利要求1所述的一種風力發電機主軸承溫度異常預警方法，其特征在于：所述步驟(5)中判定聚類的故障數據與溫度異常數據的匹配程度，如果滿足差異裕度，則停止計算。

9.根據權利要求8所述的一種風力發電機主軸承溫度異常預警方法，其特征在于：所述步驟(5)的差異裕度即相位裕，在電路設計中是非常重要的一個指標，主要用來衡量負反饋系統的穩定性，并能用來預測閉環系統階躍響應的過沖，相位裕度越大，系統越穩定。

10.根據權利要求1所述的一種風力發電機主軸承溫度異常預警方法，其特征在于：所述步驟(6)中對風機的限功率等功率下降工況進行標記，對故障樣本進行標記，并輸出最終的預警結果。