[发明专利]基于SCADA数据分析的风机齿轮箱故障检测方法

权利要求书

1.基于SCADA数据分析的风机齿轮箱故障检测方法，其特征在于：具体包括以下步骤：

S1：运用简单有效的算法对风电机组的SDACA数据进行预处理，排除无效数据并合并所有有效数据以生成培训数据集；

S2：利用数据挖掘的方法开发基于训练数据集的预测模型；

S3：通过预测模型计算出风机组的拟合误差；

S4：根据各风机的拟合误差，编制统计过程控制图，给出上下控制限值，如果风机拟合误差的安装误差超过控制限值，齿轮箱故障报警将被激活。

2.根据权利要求1所述的基于SCADA数据分析的风机齿轮箱故障检测方法，其特征在于：所述预测模型以润滑油压力为监测目标，建立变速箱预测模型，包括以下两个阶段：

第一阶段：利用DNN算法建立润滑油压力预测模型；

第二阶段：构建EMWA控制图，利用UCL和LCL对齿轮箱故障进行报警。

3.根据权利要求1所述的基于SCADA数据分析的风机齿轮箱故障检测方法，其特征在于：在所述第一阶段中，该预测模型基于代表风电机组正常运行的所有正常风电机组的SCADA数据来训练的，对正常和异常风机的拟合误差进行了估计；

所述拟合误差为e，e的计算方法为

其中为预测油压，为实际油压。

4.根据权利要求1所述的基于SCADA数据分析的风机齿轮箱故障检测方法，其特征在于：在所述第一阶段中，还包括一具有三个隐藏层的DNN来模拟从输入To、Po和Ts到输出Pl的映射，DNN的训练过程是通过最小化平均平方拟合误差来估计参数Wn和bn，这两个参数分别是n层的权值和偏差，公式如下所示：

油压计算公式为：

参数计算公式为：

L表示隐藏层层数。

5.根据权利要求1所述的基于SCADA数据分析的风机齿轮箱故障检测方法，其特征在于：所述第二阶段具体步骤如下：

EMWA的静态测试值z_t计算公式为：z_t＝λe_t+(1-λ)z_t-1；

其中e_t是时间t的重建误差，λ是满足0λ1的常数；

从上式中可知z_t的均值和方差就是标准误差e的平均值和标准偏差：

EWMA控制图的控制限值基于±L西格玛限值，其中L通常等于3，EWMA的控制上限和下限取决于时间t，其公式如下：