[发明专利]一种叶根螺栓断裂故障检测方法及介质

权利要求书

1.一种叶根螺栓断裂故障检测方法，其特征在于，包括以下步骤：

S01、选择风电机组多个特征作为输入进行预处理，将描述叶片运行状态的三个变量采用均值-方差标准化后求和作为输出，其中三个变量分别为叶片变桨角度、叶片变桨速度和叶片变桨电机电流值；

S02、使用未发生过叶根螺栓断裂故障的数据训练LSTM正常模型；使用叶根螺栓发生断裂故障的风电机组在故障发生前的数据训练LSTM故障模型；将步骤S01输出的数据投入至LSTM正常模型和LSTM故障模型，提取误差向量特征；

S03、将误差向量特征代入至随机森林算法，以是否为故障时间段的数据做标签，训练随机森林模型；再将风电组运行数据代入至随机森林模型进行故障诊断。

2.根据权利要求1所述的叶根螺栓断裂故障检测方法，其特征在于，在步骤S02中，将步骤S01输出的数据进行特征工程处理，分别进入至LSTM正常模型和LSTM故障模型计算误差向量，再从两个误差向量中提取误差向量特征。

3.根据权利要求1所述的叶根螺栓断裂故障检测方法，其特征在于，在步骤S03中，故障诊断包括由随机森林模型给出投票概率，将预定时间段内的投票概率输出，绘制运行图，挖掘故障模式。

4.根据权利要求1或2或3所述的叶根螺栓断裂故障检测方法，其特征在于，还包括增量学习：一旦检测出故障并确定为故障的样本，对LSTM故障模型的参数进行更新以进行自我学习。

5.根据权利要求1或2或3所述的叶根螺栓断裂故障检测方法，其特征在于，在步骤S01中，对风电机组输入的多个特征不进行去噪和标准化以保证数据的源信息。

6.根据权利要求1或2或3所述的叶根螺栓断裂故障检测方法，其特征在于，在步骤S02中，LSTM正常模型和LSTM故障模型中的设计神经网络的结构包括层数、每层节点数、激活函数的选择和输出的定义。

7.根据权利要求1或2或3所述的叶根螺栓断裂故障检测方法，其特征在于，在步骤S03中，随机森林模型设定为1001根树；样本设置为等权重；故障样本数和正常样本数的比例为1：3。

8.根据权利要求1或2或3所述的叶根螺栓断裂故障检测方法，其特征在于，在所述LSTM正常模型和LSTM故障模型的LSTM结构中加入记录长期特征的变量。

9.根据权利要求1或2或3所述的叶根螺栓断裂故障检测方法，其特征在于，所述LSTM正常模型和LSTM故障模型的输出层共有三个神经元，分别检测叶片变桨角度均值、叶片变桨速度均值和叶片变桨电机电流均值三个标签。

10.根据权利要求1或2或3所述的叶根螺栓断裂故障检测方法，其特征在于，在步骤S02中，将步骤S01输出的数据按天进行切割后得到一天的误差向量。

11.一种计算机可读存储介质，其上储存有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1～10中任意一项所述的方法。