The invention discloses a fault diagnosis method for variable pitch system of wind turbines, which comprises the following steps: acquiring basic data during the operation of wind turbines; inputting the acquired basic data into a pre-established fault diagnosis model for diagnosis and outputting the prediction results; and building a fault diagnosis model by following steps: 2 1) collecting the calendar of the operation process of wind turbines. History-based data; Speed and accuracy.
【技术实现步骤摘要】
一种风电机组变桨距系统故障诊断方法
本专利技术涉及风电故障诊断
,特别涉及一种风电机组变桨距系统故障诊断方法。
技术介绍
风力发电机组结构的复杂性、运行条件的严酷性和相关因素的多样性导致其故障率不断增长,变桨距系统作为风力发电机组的核心控制技术之一,其故障已成为目前整个机组停机的首要原因。如何降低风力发电机组变桨距系统故障率和故障停机时间,降低运维成本,提高发电率和经济效益,已成为风力发电投资、建设、运营维护必须尽快解决的问题。目前,故障诊断研究方向主要集中在对风电机组的叶片、主轴承、发电机、风机塔架、齿轮箱以及变频器等部分的故障诊断,对变桨距系统故障诊断的研究相对较少,且相应的专家经验尚且不足。传统的故障诊断方法依据机组在运行状态下的传感器信号来对已掌握的故障类型进行模式识别并借助神经网络或支持向量机对故障做出诊断,然而神经网络易陷入局部最小问题,会出现过适应现象。另一方面,支持向量机的参数优化则决定了收敛精度和预测准度,现有的支持向量机模型的参数优化算法收敛速度较差,极大地影响了故障诊断的精度和速度。
技术实现思路
本专利技术的目的是提供一种风电机组变桨距系统故障诊断方法。为此,本专利技术技术方案如下:一种风电机组变桨距系统故障诊断方法,包括按顺序进行的下列步骤:1)获取风电机组运行过程中的基础数据,该基础数据包括n个指标;2)将步骤1)中获取的基础数据输入预先建立的故障诊断模型中进行诊断,输出预测结果,该故障诊断模型通过如下步骤进行搭建:2-1)收集风电机组运行过程中的历史基础数据,并对历史基础数据进行归一化处理;2-2)利用KPCA算法对历史采样 ...
【技术保护点】
1.一种风电机组变桨距系统故障诊断方法,其特征在于,包括按顺序进行的下列步骤:1)获取风电机组运行过程中的基础数据,该基础数据包括n个指标;2)将步骤1)中获取的基础数据输入预先建立的故障诊断模型中进行诊断,输出预测结果,该故障诊断模型通过如下步骤进行搭建:2‑1)收集风电机组运行过程中的历史基础数据,并对历史基础数据进行归一化处理;2‑2)利用KPCA算法对历史采样数据进行降维处理,得到故障诊断模型的训练样本数据,并从训练样本数据中抽取一部分数据作为测试样本;2‑3)构建基于最小二乘支持向量机的故障诊断初始模型;2‑4)利用遗传算法对步骤2‑3)中对最小二乘支持向量机的参数进行优化,得到故障诊断模型;3)将步骤2)中的预测结果输入专家系统进行分析,从而得到故障诊断结果。
【技术特征摘要】
1.一种风电机组变桨距系统故障诊断方法,其特征在于,包括按顺序进行的下列步骤:1)获取风电机组运行过程中的基础数据,该基础数据包括n个指标;2)将步骤1)中获取的基础数据输入预先建立的故障诊断模型中进行诊断,输出预测结果,该故障诊断模型通过如下步骤进行搭建:2-1)收集风电机组运行过程中的历史基础数据,并对历史基础数据进行归一化处理;2-2)利用KPCA算法对历史采样数据进行降维处理,得到故障诊断模型的训练样本数据,并从训练样本数据中抽取一部分数据作为测试样本;2-3)构建基于最小二乘支持向量机的故障诊断初始模型;2-4)利用遗传算法对步骤2-3)中对最小二乘支持向量机的参数进行优化,得到故障诊断模型;3)将步骤2)中的预测结果输入专家系统进行分析,从而得到故障诊断结果。2.根据权利要求1所述的风电机组变桨距系统故障诊断方法,其特征在于,所述的步骤2-1)中对历史基础数据进行归一化处理的方法为:xmin为变量数据的最小值,xmax为变量数据的最大值,xi为变量的第i个数据,x’i为变量归一化后的数据。3.根据权利要求1所述的风电机组变桨距系统故障诊断方法,其特征在于,所述步骤2-2)中利用KPCA算法对历史采样数据进行降维处理时,包括如下步骤:2-21)将所获得的包括n个指标的基础数据的原始样本数据组成一个m×n维的矩阵,其中,m为每个指标的样品数;2-22)引入非线性映射函数Φ,使输入空间的M个样本点由xk(k=1,2,…,M)变为特征空间F中的样本点Φ(x1),Φ(x2),...Φ(xM),特征空间F中的协方差矩阵可表示为:2-23)计算协方差矩阵的特征值和特征向量;2-24)选择与前k个最大特征值对应的特征向量,并通过前k个特征向...
【专利技术属性】
技术研发人员:赵双喜,杨霞,刘博,刘超,马贵昌,王永翔,张磊,
申请(专利权)人:天津瑞源电气有限公司,
类型:发明
国别省市:天津,12
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。