[发明专利]风力发电机组的传动链状态识别方法及装置

说明书

公开了一种风力发电机组的传动链状态识别方法及装置，所述风力发电机组的传动链状态识别方法包括：获取风力发电机组的传动链的实际振动数据；基于实际振动数据，获取实际振动数据的实际能量熵；基于实际振动数据与参考振动数据，获取实际振动数据的实际相对熵；基于实际能量熵、实际相对熵、参考振动数据的参考能量熵和参考相对熵，识别传动链的状态。通过本公开，能够有效解决现有技术中传动链故障诊断不准确的问题。

技术领域

本公开总体说来涉及风力发电技术领域，更具体地讲，涉及风力发电机组的传动链状态识别方法及装置。

背景技术

一般情况下，风力发电机组安装在荒漠、河海等自然环境恶劣的区域，因此风力发电机组的故障率较高，随着风力发电机组装机容量和功率的不断增大，设备的维护和故障诊断成为保障风力发电机组正常运行的重要环节。传动系统是风力发电机组的核心部件，其性能的好坏，直接影响风力发电机的发电效率。

每台风力发电机组所处的环境及个体本身都具有差异性，因此风力发电机的每条振动数据既能体现设备的普遍性特征信息，又包含设备的一些个性化信息。传统的诊断方法着重于普遍性规则的运用，依赖样本数据进行模型训练，如果遇到特征稍不一样的案例，则模型诊断准确率大大降低，尤其针对微小故障信息或数据干扰信息较多的对象，难以准确分辨。

发明内容

本公开的实施例提供一种风力发电机组的传动链状态识别方法及装置，能够有效解决现有技术中传动链故障诊断不准确的问题。

在一个总的方面，提供一种风力发电机组的传动链状态识别方法，包括获取风力发电机组的传动链的实际振动数据；基于实际振动数据，获取实际振动数据的实际能量熵；基于实际振动数据与参考振动数据，获取实际振动数据的实际相对熵；基于实际能量熵、实际相对熵、参考振动数据的参考能量熵和参考相对熵，识别传动链的状态。

可选地，基于实际能量熵、实际相对熵、参考振动数据的参考能量熵和参考相对熵，识别传动链的状态，包括：基于实际能量熵和实际相对熵，得到实际振动数据的实际融合特征集；基于参考能量熵和参考相对熵，得到参考振动数据的参考融合特征集；基于实际融合特征集和参考融合特征集，识别传动链的状态。

可选地，在实际振动数据包括N种工况下传动链的实际振动数据，参考振动数据包括N种工况下传动链的参考振动数据的情况下，基于实际融合特征集和参考融合特征集，识别传动链的状态，包括：基于实际融合特征集中每种工况下的融合特征和参考融合特征集中对应工况下的融合特征，识别传动链的状态，其中，实际融合特征集包括N种工况下传动链的实际振动数据的融合特征，参考融合特征集包括N种工况下传动链的参考振动数据的融合特征。

可选地，基于实际融合特征集中每种工况下的融合特征和参考融合特征集中对应工况下的融合特征，识别传动链的状态，包括：按N种工况将实际融合特征集和参考融合特征集中的融合特征，划分为N个融合特征集，其中，融合特征集为按参考振动数据的时间顺序排列的融合特征和按实际振动数据的时间顺序排列的融合特征的合并后的集合；对N个融合特征集分别进行线性拟合处理；基于线性拟合处理后的每个融合特征集确定传动链的状态。

可选地，基于线性拟合后处理的每个融合特征集确定传动链的状态，包括：获取线性拟合处理后的每个融合特征集的斜率；在任一融合特征集的斜率大于第一预定值时，确定传动链的状态为故障状态且故障在逐渐劣化；在任一融合特征集的斜率大于第二预定值且小于第一预定值时，确定传动链的状态为正常状态，其中，第二预定值小于第一预定值；在任一融合特征集的斜率小于第二预定值时，确定传动链的状态为故障状态且故障在逐渐恢复。