[发明专利]一种风力发电机组状态预报及智能故障诊断方法及系统

摘要

本发明公开了一种风力发电机组状态预报及智能故障诊断方法及系统，包括如下步骤：通过加速度振动传感器、霍尔电流传感器采集齿轮箱、发电机的振动信号及发电机的定子电流信号，通过对信号的预处理、细化分析，各种图谱分析、小波包分解与重构变换，提取特征向量，作为ARMA预测模型的输入，得到风机未来状态的特征向量，经GA-BP神经网络故障诊断系统，最终确定风机的所处的状态是否正常，所属故障类型。本发明采用ARMA预测模型、GA-BP神经网络故障诊断，能预报风力机组未来状态，并能及时、快速的诊断出故障类型，有利于风电业主合理的安排检修。

主权项

一种风力发电机组状态预报及智能故障诊断方法，其特征在于，包括如下步骤：（1）采集风力发电机组齿轮箱、发电机前后轴承的振动信号及定子三相电流信号；（2）对采集的信号进行抗混滤波、A/D转换后得到数字信号数据；（3）对上述数字信号数据进行细化分析，所述细化分析包括频谱计算、加窗频谱、细化谱、包络谱、倒频谱、能量谱，然后经小波包分解、重构变换处理后，获取当前时刻振动信号、电流信号的特征向量；（4）利用ARMA模型进行预测，得到下一刻的特征向量，获取风力发电机和齿轮箱振动信号趋势图及定子三相电流信号的趋势图；（5）利用GA‑BP神经网络诊断出当前、未来时刻发电机组所属状态，故障所属类型，具体为：将当前时刻的特征向量、下一刻的特征向量及历史时刻的特征向量作为GA‑BP神经网络的输入，则GA‑BP神经网络输出故障类型。