[發明專利]基于大數據的海上風機狀態監測方法及其系統

在審

• 申請號: 202210940561.4
• 申請日: 2022-08-06
• 公開（公告）號: CN115434871A
• 公開（公告）日: 2022-12-06
• 發明（設計）人: 曾衛東;韓健;楊政厚;馬羽龍;陳志文;段選鋒;偉特
• 申請（專利權）人: 北京華能新銳控制技術有限公司
• 主分類號: F03D17/00
• 分類號: F03D17/00
• 代理公司: 北京華銳創新知識產權代理有限公司 11925
• 代理人: 王雷波

本申請涉及海上風力發電的智能監測領域，其具體地公開了一種基于大數據的海上風機狀態監測方法及其系統，其通過分別部署于發動機、齒輪箱和主軸承的傳感器采集的振動信號作為輸入數據，采用深度神經網絡模型來作為特征提取器以對這三者的所述振動信號進行特征挖掘，從而基于綜合的特征信息來對海上風機的狀態進行全局性地監測，以在故障發生初期就能夠檢測出異常點，進而保證海上風力發電的正常運行。

技術領域

本發明涉及海上風力發電的智能監測領域，且更為具體地，涉及一種基于大數據的海上風機狀態監測方法及其系統。

背景技術

近年來，我國能源產業轉型進程不斷加快，我國已成為全球風力發電規模最大、增長最快的市場。風能作為一種可再生能源，具有綠色清潔的特點，是目前世界各國的研究重點。相對陸上風電而言，海上風力資源更加豐富，具有發電量大、發電時間長、對生活環境影響小、不占用耕地、可進行大規模開發等諸多優勢，因此，開發海上風力發電技術已經成為風電行業發展的新趨勢。

但是，在海上風電場環境惡劣，維護人員不能及時到達故障點進行檢修時，因此，基于無線通訊的海上風電監測系統就愈發顯得重要。比如，在海上風機日常監測中，經常會遇到以下問題：如何確認該風機是否正常運行如何能快速定位到某風機狀態異常點如何能掌握到每臺風機的實時信息和歷史工作信息

因此，為了更好地對于海上風機的狀態進行監測，期望一種基于大數據的海上風機狀態監測方法。

發明內容

為了解決上述技術問題，提出了本申請。本申請的實施例提供了一種基于大數據的海上風機狀態監測方法及其系統，其通過分別部署于發動機、齒輪箱和主軸承的傳感器采集的振動信號作為輸入數據，采用深度神經網絡模型來作為特征提取器以對這三者的所述振動信號進行特征挖掘，從而基于綜合的特征信息來對海上風機的狀態進行全局性地監測，以在故障發生初期就能夠檢測出異常點，進而保證海上風力發電的正常運行。

根據本申請的一個方面，提供了一種基于大數據的海上風機狀態監測方法，其包括：

獲取由部署于發動機的第一振動傳感器采集的第一振動信號、由部署于齒輪箱的第二振動傳感器采集的第二振動信號以及由部署于主軸承的第三振動傳感器采集的第三振動信號；

分別使用格拉姆角場原理將所述第一至第三振動信號轉化為第一至第三振動格拉姆角和場圖像；

分別將所述第一至第三振動格拉姆角和場圖像中各個振動格拉姆角和場圖像通過作為過濾器的第一卷積神經網絡以得到第一至第三振動格拉姆角和場圖像特征向量；

分別將所述第一至第三振動信號中各個振動信號通過作為過濾器的第二卷積神經網絡以得到第一至第三振動波形特征向量；

分別融合所述第一至第三振動格拉姆角和場圖像特征向量和所述第一至第三振動波形特征向量中各對相應的振動格拉姆角和場圖像特征向量和振動波形特征向量以得到第一至第三振動特征向量；

計算所述第二振動特征向量相對于所述第一振動特征向量的第一轉移矩陣且計算所述第三振動特征向量相對于所述第二振動特征向量的第二轉移矩陣；

融合所述第一轉移矩陣和所述第二轉移矩陣以得到分類特征矩陣；以及

將所述分類特征矩陣通過分類器以得到分類結果，所述分類結果用于表示海上風機狀態是否正常。

根據本申請的另一方面，提供了一種基于大數據的海上風機狀態監測系統，其包括：

振動信號獲取單元，用于獲取由部署于發動機的第一振動傳感器采集的第一振動信號、由部署于齒輪箱的第二振動傳感器采集的第二振動信號以及由部署于主軸承的第三振動傳感器采集的第三振動信號；

圖像轉化單元，用于分別使用格拉姆角場原理將所述第一至第三振動信號轉化為第一至第三振動格拉姆角和場圖像；

第一特征提取單元，用于分別將所述第一至第三振動格拉姆角和場圖像中各個振動格拉姆角和場圖像通過作為過濾器的第一卷積神經網絡以得到第一至第三振動格拉姆角和場圖像特征向量；