[发明专利]基于长短期记忆模型循环神经网络的风力发电机故障诊断

权利要求书

1.基于长短期记忆模型循环神经网络的风力发电机故障诊断方法，其特征在于，包括如下步骤：

步骤1：对风机基准系统进行建模，将风机基准系统细分为八种故障，设置故障类型及发生时间；

步骤2：对风机基准模型进行仿真，得到实际测量值；

步骤3：对步骤2得到的实际测量值进行数据预处理，构造实际测量值的数据样本集；

步骤4：搭建LSTM模型，将步骤3中经过预处理的数据用LSTM模型进行训练，在训练过程中不断调整超参数，并使用均分误差来评价训练效果，预测得到的值与步骤2得到的传感器的实际测量值进行比较，设置阈值进行判断故障发生的时间以及位置。

2.如权利要求1基于长短期记忆模型循环神经网络的风力发电机故障诊断方法，其特征在于，所述步骤1进一步包括：

步骤1.1：风机基准系统包括：变桨系统、传动系统、发电机与变频器系统以及控制器；

控制器通过使用叶片俯仰角参照β_r来控制变桨系统，通过使用发电机转矩参照τ_g，r来控制发电机与变频器系统；

Vw代表风速，V_w穿过变桨系统，变桨系统的叶片转动转子产生转子转矩τ_r，并传递到传动系统，发电机与变频器系统使用发电机转矩参照τ_g，r得到发电机转矩τ_g，传动系统将转子转矩τ_r和发电机与变频器系统产生的发电机转矩τ_g转换为转子转速ω_r和发电机转速ω_g；发电机与变频器系统通过发电机转矩参照τ_g，r结合发电机转速ω_g得到功率P_g；

ω_r，m表示转子转速测量值、ω_g，m表示发电机转速测量值、τ_g，m表示发电机转矩测量值，β_m表示俯仰角测量值，同时为了满足物理冗余度要求，转子转速，发电机转速以及每个叶片俯仰角三部分，分别使用两个传感器进行测量，所述传感器包括：传感器1、传感器2；发电机转矩使用一个传感器进行测量，分别记录传感器得到的实际测量值并传递给控制器。

3.如权利要求2基于长短期记忆模型循环神经网络的风力发电机故障诊断方法，其特征在于，所述转子转速测量值包括：转子转速异常测量值、转子转速正常测量值；发电机转速测量值包括：发电机转速正常测量值、发电机转速异常测量值；发电机转矩测量值包括：发电机转矩的异常测量值；俯仰角测量值包括：叶片1俯仰角异常测量值，叶片1俯仰角正常测量值，叶片2俯仰角异常测量值，叶片2俯仰角正常测量值，叶片3俯仰角异常测量值，叶片3俯仰角正常测量值。

4.如权利要求3基于长短期记忆模型循环神经网络的风力发电机故障诊断方法，其特征在于，所述风机基准系统细分为八种故障，分别为：

(1)100-1100s时，叶片1传感器1上俯仰角测量值β_1，m1产生值为-3°的固定值故障；

(2)500-1000s时，叶片2传感器2上俯仰角测量值β_2，m2产生值为5的增益因子故障；

(3)900-1000s时，叶片3传感器1上俯仰角测量值β_3，m1产生值为7°的固定值故障；

(4)1200-1300s时，转子转速传感器1ω_r，m1产生值为2rad/s的固定值故障；

(5)1700-1800s时，转子转速传感器2ω_r，m2和发电机转速传感器1产生值为1.1和0.9的增益因子故障；

(6)2900-3000s时，由于油中空气含量过高引起的制动器故障；

(7)3500-3600s时，由于低压引起的制动器故障；

(8)3800-3900s时，由转换器转矩控制中偏移导致的制动器故障。