[发明专利]一种基于分散式ESN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散式ESN模型的风力发电机故障检测方法，通过利用ESN来建立风力发电机各个测量变量之间的量化模型，从而利用数据驱动模型的误差来反映风力发电机运行过程中出现的故障。具体来讲，本发明方法通过结合使用ESN与分散式建模策略的优势，为风力发电机各个测量变量建立分散式的ESN模型，再通过监测分散式ESN模型的估计误差来实现风力发电机故障检测目的。一方面，本发明方法利用ESN模型量化描述了风力发电机各测量变量之间体现在时序特征上的非线性关系。另一方面，本发明方法通过监测分散式ESN模型的估计误差的异常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的优势。

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散式ESN模型的风力发电机故障检测方法。

背景技术

随着自然资源的日益短缺，充分利用可再生能源领域受到了越来越多的关注。其中，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，因此风力发电机的应用规模与日俱增。与此同时，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高效的电力输出具有重要的研究意义。由于风力发电机是一个大型且复杂的系统，通过物理原理建立相应的动力学模型和电路模型是非常困难的。因此，利用机理模型实施故障检测的方案是不可取的。

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。在当前智能制造与大数据的风潮下，利用这些采样数据实施风力发电机故障检测的方案是非常合时宜的，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。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，风力发电机的工作状态直接受风速影响的这种工作特性给数据驱动的故障检测方案增加了挑战。

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。假设能建立精确的风力发电机的机理模型，则该模型就能描述出环境风速与风力发电机自身测量变量(如：风叶转速，功率等)之间的相关关系，相应的机理模型误差的异常变化即可反映出风力发电机运行出现故障问题。由于精确的机理模型无法建立，可行的解决思路只能通过数据驱动的方法来建立这些测量变量之间的关系模型，从而使用数据驱动模型的误差实现故障检测。

近年来，在时间序列分析相关的研究领域，回声状态网络(Echo State Networks，缩写：ESN)得到了广泛的研究与应用。然而，ESN是一类有监督的建模策略，需要多故障类别的风力发电机数据才可实施故障诊断，无法直接应用ESN解决只有正常工况数据下的风力发电机故障检测问题。虽然，ESN从表面上看应用于风力发电机故障检测看似困难重重，但从ESN在解决时序建模问题的优势来看，是可以用来解决风速的时序变化特性建模问题。从这个角度出发，如何将ESN用于风力发电机故障检测是值得研究并丞待解决的一个问题。

发明内容

本发明所要解决的主要技术问题是：如何利用ESN来建立风力发电机各个测量变量之间的量化模型，从而利用数据驱动模型的误差来反映风力发电机运行过程中出现的故障。具体来讲，本发明方法通过结合使用ESN与分散式建模策略的优势，为风力发电机各个测量变量建立分散式的ESN模型，再通过监测分散式ESN模型的估计误差的异常变化来实现风力发电机故障的实时检测目的。

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