[发明专利]风力发电机组振动程度的评估方法与系统

权利要求书

1.一种风力发电机组振动程度的评估方法，其特征在于，所述评估方法包括以下步骤：

(A)获取风力发电机组的振动相关数据文件；

(B)对获取的振动相关数据文件进行数据分析；

(C)根据数据分析的结果对所述风力发电机组的振动程度进行评估，

其中，振动相关数据文件包括针对风力发电机组的K文件、S文件和瞬时数据文件，K文件是风力发电机组出现故障时触发的数据文件，S文件是风力发电机组出现特殊频率的振动时触发生成的数据文件，瞬时数据文件是风力发电机组正常运行数据，

其中，步骤(B)中所述数据分析包括特征抽取和数据分类，

其中，所述特征抽取包括：调用特征模式库，对获取的所述风力发电机组的振动相关数据文件进行特征抽取，

其中，所述数据分类包括：根据特征抽取结果，通过机器学习法确定每个振动相关数据文件的振动模式，

其中，所述步骤(C)包括：根据所述振动相关数据文件的个数以及为不同振动模式分配的权重进行加权运算，得到所述风力发电机组的振动等级，根据振动等级评估所述风力发电机组的振动程度，具体包括以下步骤：分别计算与每种振动模式对应的数据文件的总个数，分别将每个振动模式的权重值乘以相应振动模式对应的数据文件的总个数，并对所有的乘积结果求和，根据求和结果以及预设的等级区间来确定风力发电机组的振动等级。

2.如权利要求1所述的评估方法，其特征在于，所述特征抽取包括抽取标准差、峭度、包络线、时域振幅特征、特定频率滤波后幅值特征、频谱主频率特征和频谱主能量特征中的至少一种特征。

3.如权利要求1所述的评估方法，其特征在于，所述步骤(C)还包括：根据先验知识以及获取的对所述风力发电机组振动相关数据文件的振动模式的确定结果和对不同振动模式的权重分配结果，通过机器学习法得到所述风力发电机组的振动等级；

根据振动等级评估所述风力发电机组的振动程度。

4.如权利要求3所述的评估方法，其特征在于，通过以下方式执行所述机器学习法得到所述风力发电机组的振动等级：

根据先验知识中已知的风力发电机组的振动相关数据文件和振动等级数据训练机器学习模型；

将决策向量作为机器学习模型的输入；

通过机器学习模型输出所述风力发电机组的振动等级。

5.如权利要求4所述的评估方法，其特征在于，所述决策向量为获取的风力发电机组的振动相关数据文件的振动模式和为每个振动模式分配的权重对应相乘的结果。

6.如权利要求1所述的评估方法，其特征在于，所述评估方法还包括步骤(D)：对风力发电机组的振动程度评估结果进行排序，根据排序结果对风电场级的机组振动程度进行评估。

7.如权利要求6所述的评估方法，其特征在于，所述步骤(D)包括：通过将每个风力发电机组的振动程度的评估结果与基线值进行比较来评估不同风电场的振动程度，

其中，所述基线值为专家经验值、状态边界值、仿真结果值其中之一，

其中，状态边界值是通过大数据分析得出的已知有问题的机组和没有问题的机组之间的状态的边界值，所述状态边界值随风电场级的机组数量的变化进行修正，

仿真结果值是风电场级的机组进行设计时正常工作状态的仿真结果的值。

8.如权利要求6或7所述的评估方法，其特征在于，所述步骤(D)包括：将不同的风力发电机组振动程度的评估结果中最严重振动等级所占比例值大小进行对比来评估不同风电场的振动程度。