[发明专利]发电机磁钢脱落的检测方法、装置、设备及存储介质

权利要求书

1.一种发电机磁钢脱落的检测方法，其特征在于，所述方法包括：

获取风力发电机运行时的状态监测数据及SCADA瞬态数据；

分别对所述状态监测数据及SCADA瞬态数据进行特征识别，得到发电机的状态监测数据特征及SCADA瞬态数据特征；

对所述状态监测数据特征及SCADA瞬态数据特征进行特征融合，得到所述风力发电机运行时的融合数据；

根据训练后的异常特征融合数据，确定所述融合数据对应的磁钢状态信息，所述磁钢状态信息包括磁钢脱落初期信息、磁钢脱落中期信息和磁钢脱落后期信息。

2.根据权利要求1所述的检测方法，其特征在于，所述异常特征融合数据是通过下述方式预先训练得到的，包括：

获取风力发电机运行数据样本，所述运行数据样本包括状态监测数据样本和SCADA瞬态数据样本；

根据所述运行数据样本，分别确定状态监测数据异常特征和SCADA瞬态数据异常特征；

根据历史运行数据，将所述状态监测数据异常特征和SCADA瞬态数据异常特征进行特征融合，确定异常特征融合数据。

3.根据权利要求2所述的检测方法，其特征在于，所述确定状态监测数据异常特征的步骤，包括：

初始化得到一个稀疏表示字典；

构建残差阈值改进的正交匹配追踪算法，对所述状态监测数据样本进行稀疏表示，获得稀疏表示系数；

根据所述字典学习算法，对所述稀疏表示系数及状态监测数据样本进行迭代更新，确定更新后的状态监测数据字典；

根据包络谱分析方法，从所述状态监测数据字典中提取出所述状态监测数据异常特征。

4.根据权利要求2所述的检测方法，其特征在于，所述确定SCADA瞬态数据异常特征的步骤，包括：

根据主成分分析技术，确定所述SCADA瞬态数据样本中的主成分样本数据；

根据支持向量机算法，在所述主成分样本数据中确定出所述SCADA瞬态数据样本的异常特征。

5.根据权利要求4所述的检测方法，其特征在于，所述根据主成分分析技术，确定所述SCADA瞬态数据样本中的主成分样本数据，包括：

将所述SCADA瞬态数据样本进行中心化处理；

确定所述SCADA瞬态数据样本对应的特征向量矩阵；

根据中心化处理后的SCADA瞬态数据样本和所述特征向量矩阵，确定所述主成分样本数据。

6.根据权利要求4所述的检测方法，其特征在于，所述根据支持向量机算法，在所述主成分样本数据中确定出所述SCADA瞬态数据样本的异常特征包括：

根据所述主成分样本数据，构建数据超平面；

根据所述数据超平面和训练后的支持向量分类器，确定所述SCADA瞬态数据样本的异常特征。

7.根据权利要求2所述的检测方法，其特征在于，所述根据历史运行数据，将所述状态监测数据异常特征和SCADA瞬态数据异常特征进行特征融合，确定异常特征融合数据，包括：

根据数理统计分析和所述历史运行数据，对所述状态监测数据异常特征数据和SCADA瞬态数据异常特征进行特征融合，确定包括第一状态融合数据、第二状态融合数据或第三状态融合数据之一的异常特征融合数据。

8.根据权利要求7所述的检测方法，其特征在于，所述根据训练后的异常特征融合数据，确定所述融合数据对应的磁钢状态信息，包括：

根据所述第一状态融合数据、第二状态融合数据或第三状态融合数据，确定所述融合数据对应的磁钢状态信息。