[发明专利]一种基于分布式回归模型的风力发电机故障检测方法

说明书

本发明公开一种基于分布式回归模型的风力发电机故障检测方法，旨在以数据驱动的方式来描述风力发电机自身的测量属性以及环境风速之间的关联性，从而利用误差的异常变化来实施风力发电机的故障检测。本发明方法的优势在于：首先，本发明方法从数据驱动的角度建立了风速数据和风力发电机自身测量数据相互之间的关系模型，并使用支持向量回归这种非线性建模策略挖掘了测量数据间的非线性关系特征。其次，本发明方法通过监测分布式回归模型的误差变化情况来反映是否出现故障，借鉴参考了利用机理模型生成误差的思想优势。最后，在具体的实施案例中，通过实际应用验证了本发明方法的可行性。

技术领域

本发明涉及一种风力发电机故障检测方法，特别涉及一种基于分布式回归模型的风力发电机故障检测方法。

背景技术

在可再生能源领域，风力发电占据着举足轻重的地位。在风力持续的情况下，风力发电机能持续不断的提供电能，风力发电机的应用规模与日俱增。与此同时，风力发电机运行状态的监测就显得越来越重要，及时的检测出风力发电机运行过程中出现的故障对于保证风力发电机的持续稳定的电力输出有重要的研究意义。由于风力发电机是一个大型且复杂的系统，建立相应的动力学模型和电路模型是非常困难的，利用机理模型实施故障检测的方案是不可取的。在当前智能制造与大数据的风潮下，传统的利用机理模型实施风力发电机故障检测的方案也是不合时宜的。

一般而言，风力发电机这个系统中通常会安装有多个传感器，会实时反馈诸如发电机转速，生成的电功率，加速度等数据信息。这些传感器以及相应配套的数据存储设备为实施数据驱动的风力发电机故障检测提供了坚实的数据基础。近年来，已有多种按照模式分类思想实施风力发电机故障检测与诊断的数据驱动的技术。然而，风力发电机的工作状态会受到外部环境风速的直接影响，会随着风速的变化而不断发生变化的。风力发电机的这种工作特性给数据驱动的故障检测方案增加了挑战，因为风力的间歇特性、非线性特性、时序变化特性并非人为可精准预测或可控制的。

从风力发电机运行机理上讲，每个时刻的风力发电机自身数据都是会受到外部环境风速的直接影响，而且风力发电机自身的测量数据之间也是相互关联的。从这个角度上讲，如何挖掘这些测量变量之间的关联性，对于实施数据驱动的风力发电机故障检测具有重要的作用。风力发电机的机理模型能描述出环境风速与风力发电机自身属性(如：风叶转速，功率等)之间的关联性，并通过机理模型误差即可实现故障的检测。由于机理模型的建立过程非常苦难且模型精度难以保证，数据驱动的方法技术是否能通过采样数据的角度，描述出这些测量属性之间的关联性，从而使用数据驱动模型的误差实现故障检测。然而，在现有科研文献与专利材料中，鲜有涉及如何从数据驱动的角度来描述风力发电机各测量属性之间的关联性，并利用误差的异常变化来监测风力发电机的运行状态是否出现了故障。

发明内容

本发明所要解决的主要技术问题是：如何以数据驱动的方式来描述风力发电机自身的测量属性以及环境风速之间关联性，从而利用误差的异常变化来实施风力发电机的故障检测。具体来讲，本发明方法通过支持向量回归这种经典的非线性回归建模策略为测量数据建立分布式的回归模型，再利用回归模型误差来反映出风力发电机运行过程中出现的故障。

本发明方法解决上述问题所采用的技术方案为：一种基于分布式回归模型的风力发电机故障检测方法，包括以下所示步骤：

步骤(1)：在风力发电机正常运行状态下，每间隔60秒采集一次样本数据，每个样本数据具体包括11个数据，依次分别为：风速，旋翼转速，发电机转速，机械转矩，发电功率，叶片螺距角，叶片方位角，叶片根部力矩，顶部水平轴加速度，顶部纵轴加速度，偏航误差。