[发明专利]一种应用于风力发电机组的多参量故障预测判定指标的计算方法在审

专利信息
申请号: 201610129865.7 申请日: 2016-03-07
公开(公告)号: CN105760617A 公开(公告)日: 2016-07-13
发明(设计)人: 姚万业;刘敬智;杨金彭 申请(专利权)人: 华北电力大学(保定)
主分类号: G06F17/50 分类号: G06F17/50;G06Q50/06
代理公司: 北京市广友专利事务所有限责任公司 11237 代理人: 耿小强
地址: 071003 河*** 国省代码: 河北;13
权利要求书: 查看更多 说明书: 查看更多
摘要: 发明涉及一种应用于风力发电机组的多参量故障预测判定指标的计算方法,属于风力发电技术领域,其步骤如下:(1)风力发电机组历史运行数据的采集与处理;(2)风力发电机组故障特征选择:对风力发电机组关键部件的故障进行特征选择,依据各个相关参量的权重大小合理选择故障特征量;(3)非线性方法建模:用非线性方法建模,确立故障预测模型;(4)组合判定指标及故障预测。本发明提出的方法按照权重线性占比对多个特征参量重新组合,得到故障预测综合评判指标,提高了故障预测的精确度。
搜索关键词: 一种 应用于 风力 发电 机组 参量 故障 预测 判定 指标 计算方法
【主权项】:
一种应用于风力发电机组的多参量故障预测判定指标的计算方法,其步骤如下:(1)风力发电机组历史运行数据的采集与处理采集风力发电机组正常状态的历史运行数据,对采集的数据进行筛选并进行归一化处理;(2)风力发电机组故障特征选择对风力发电机组关键部件的故障进行特征选择,依据各个相关参量的权重大小合理选择故障特征量;(3)非线性方法建模用非线性方法建立模型,选择合适的输入向量和输出观测向量,输入向量应符合所有运行条件或覆盖所有运行工况,输出观测向量为原始评估目标故障特征量或者由其得到的其他相应指标,对模型进行训练,确立故障预测模型;(4)组合判定指标及故障预测:以多个故障特征量作为输出观测向量a,通过计算其与实际测量向量b的距离来判断机组状态,同时在计算距离时加入故障特征量权重系数,公式如下:<mrow><mi>&delta;</mi><mo>=</mo><msqrt><mrow><msubsup><mi>&Sigma;</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>n</mi></msubsup><mrow><mo>(</mo><mfrac><msub><mi>c</mi><mi>i</mi></msub><mrow><msubsup><mi>&Sigma;</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>n</mi></msubsup><msub><mi>c</mi><mi>i</mi></msub></mrow></mfrac><msup><mrow><mo>(</mo><msub><mi>a</mi><mi>i</mi></msub><mo>-</mo><msub><mi>b</mi><mi>i</mi></msub><mo>)</mo></mrow><mn>2</mn></msup><mo>)</mo></mrow></mrow></msqrt></mrow>其中,δ为输出观测向量和实际观测向量的距离,n为输出观测向量维数,ai和bi分别为输出观测向量和实际测量向量第i维变量的值,ci为第i个故障特征参量的权重;组合判定指标制定之后,选取覆盖所有运行工况的大量正常历史运行数据,将输入变量输入模型,输出相应输出观测向量,计算输出观测向量与实际测量向量的距离δ,求取δ的最大值MAX,确定其取值范围为[0,MAX],依据统计学规律,以最大值MAX作为预测阈值,将实时数据的相应输入变量输入模型,输出距离δ,如果距离δ小于MAX,则机组正常运行,反之,机组存在故障隐患。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于华北电力大学(保定),未经华北电力大学(保定)许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/patent/201610129865.7/,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top