[发明专利]一种面向复杂运行工况的风电变桨系统故障检测方法

权利要求书

1.一种面向复杂运行工况的风电变桨系统故障检测方法，其特征在于：包括以下步骤：

步骤1、风电机组SCADA数据清洗；

步骤2、风电机组变桨系统关联特征选择；

步骤3、利用正常行为样本进行离线建模；

步骤4、通过离线偏差分布确定预警阈值；

步骤5、通过相似状态差异性度量进行在线评估；

步骤6、根据在线评估结果与阈值的关系实现异常辨识。

2.根据权利要求1所述的一种面向复杂运行工况的风电变桨系统故障检测方法，其特征在于：所述步骤1中，分为第一阶段及第二阶段；

第一阶段清洗步骤为：

步骤1.1：计算离线样本x_i的最近邻距离D_i：

其中，y_i为x_i的最近邻样本，n为特征维数，i＝1,2,…,N，N为离线样本总量，对D_i进行升序排列，并以第α₁％×N个样本的近邻距离作为相似样本剔除的阈值；

步骤1.2：令i＝1，对第i个样本计算其最近邻距离D_i；

步骤1.3：若则删除该样本，并且N＝N-1，否则保留该样本；

步骤1.4：i＝i+1，在剩余N个样本中计算其最近邻距离D_i+1，若删除该样本N＝N-1，否则保留该样本；

步骤1.5：重复步骤1.4，直到遍历所有剩余样本；

在第一阶段的清洗过程，定义所有样本最近邻距离的均值为平均拥挤度，并作为该阶段的清洗评价指标：

当平均拥挤度越大，则样本分布就更加均匀，其中高相似的样本就越少。

3.根据权利要求1所述的一种面向复杂运行工况的风电变桨系统故障检测方法，其特征在于：第二阶段清洗步骤为：

计算所有样本x_i的k近邻距离D_i^k：

其中，y_i,j为样本x_i的第j个近邻样本，n为特征维数，i＝1,2,…,N，N为当前样本总量，对所有样本的进行降序排列，并以第α₂％×N个样本的近邻距离作为相似样本剔除的阈值；对于所有样本的k近邻距离D_i^k，若则剔除该样本，否则保留该样本；

在第二阶段的清洗过程，定义所有样本k近邻距离的均值为平均离散度，并作为该阶段的清洗评价指标

4.根据权利要求1所述的一种面向复杂运行工况的风电变桨系统故障检测方法，其特征在于：步骤3中，离线模型建立阶段为：

步骤3.1：对训练集合中的所有样本，寻找k近邻样本；

步骤3.2：对每个样本计算其kNN距离，对于样本i的kNN距离D_i²定义为样本i到其k近邻距离的总和：

其中，为样本i到其第j个近邻的欧式距离；

步骤3.3：确定异常状态判别阈值。

5.根据权利要求1所述的一种面向复杂运行工况的风电变桨系统故障检测方法，其特征在于：在步骤4中，若假设训练样本之间的k近邻距离d_ij服从均值非零的正态分布，且d_ij平方和随机选取，即可得到非中心χ²分布；由于kNN距离的计算不是一个随机过程，所以的分布只能近似为非中心χ²分布，使用PLS工具箱中的Matlab中的chilimit函数估计置信度α的阈值D_α²。

6.根据权利要求1所述的一种面向复杂运行工况的风电变桨系统故障检测方法，其特征在于：在步骤5中，在线状态检测阶段具体步骤为：

步骤5.1：对在线输入样本x，从训练数据集中寻找其k个近邻样本。

步骤5.2：计算x的kNN距离D_x²。