[发明专利]一种风电系统健康监测方法及装置

说明书

本发明公开了一种风电系统健康监测方法及装置，该方法包括获取风电系统各种设备工作时的振动信号；对所述振动信号应用语谱图和PCA进行预处理；根据多维模糊聚类网络将经预处理后的数据，分为显著故障数据和微小故障数据；当数据为所述显著故障数据时，输入DBN‑ELM显著故障诊断模型，输出故障诊断结果。该方法可提高显著故障的诊断正确率，降低未知故障类型辨识的复杂度；且简单快速，诊断结果有效，可以为风力发电机组状态监测提供很好的技术支持，在大大提高风机安全性的同时，也可有效降低风力发电的成本。

技术领域

本发明涉及风力发电设备监测技术领域，特别涉及一种风电系统健康监测方法及装置。

背景技术

风能是一种取之不尽用之不竭的绿色能源，根据全球风能协会(Global WindEnergy Council)公布的最新数据，北美洲、中美洲和南美洲的总风电装机容量在2018年增加至135千兆瓦，新增风电11.9吉瓦，同比增长12％；欧洲在2018年新增海上风电总装机容量为2.6吉瓦，使该地区的总装机容量达到18.5吉瓦。据不完全统计我国2018年1月份至7月份，新增风电发电装机容量946万千瓦，同比增长216万千瓦，同比增长近23％。仅2018年8-9月累计新增装机容量分别为12.61千兆瓦、14.47千兆瓦，同比分别增长30％和35.22％。随着经济社会稳步快速发展，能源资源瓶颈制约日益突出，已成为经济社会发展的主要制约因素之一。大力开发利用风能资源，加快风电等新能源产业发展，有利于优化全省能源结构、减少化石能源消耗、促进节能减排、缓解能源约束，培育新的经济增长点，促进产业结构升级、转变经济发展方式，推动经济平稳较快发展有着十分重要的意义。

但是风力发电系统往往安装在偏僻的、难以接近的或者气候不适合人类长期逗留的地域，长期以来，一直采用计划维修和事后维修的方式。计划维修在运行2500h或者5000h后进行例行维护，无法全面及时地了解设备状况；事后维修则更是维修工作旷日持久，损失重大。

因此，如何实现对风电系统实时在线监测，是同行从业人员亟待解决的问题。

发明内容

鉴于上述问题，本发明提供了一种风电系统健康监测方法及装置，该方法可减少设备事故率，降低维修费用，大大提高风机安全性的同时，可有效降低风力发电的成本。

第一方面，本发明实施例提供一种风电系统健康监测方法，所述方法包括：

获取风电系统各种设备工作时的振动信号；

对所述振动信号应用语谱图和PCA进行预处理；

根据多维模糊聚类网络将经预处理后的数据，分为显著故障数据和微小故障数据；

当数据为所述显著故障数据时，输入DBN-ELM显著故障诊断模型，输出故障诊断结果。

在一个实施例中，所述方法还包括：

当数据为所述微小故障数据时，输入DBN-CNN组合模型显著故障诊断模型，输出故障诊断结果。

在一个实施例中，所述DBN-CNN组合模型的诊断过程，包括：

采用DBN-CNN组合模型结合动态分配权值进行组合预测及故障类型的识别，并建立故障库；

当有未知故障发生，组合模型进行故障识别；所述未知故障称为第一故障；

当所述第一故障不属于故障库中的故障类型，且所述第一故障出现多次，将其定义为第二故障，并更新原来的故障库，以实现对未知故障的动态辨识诊断。

在一个实施例中，所述DBN-ELM显著故障诊断模型的生成过程如下：

获取风电系统各种设备工作时的振动信号；

对所述振动信号应用语谱图和PCA进行预处理，作为训练样本；