【技术实现步骤摘要】
一种风电系统健康监测方法及装置
本专利技术涉及风力发电设备监测
，特别涉及一种风电系统健康监测方法及装置。
技术介绍
风能是一种取之不尽用之不竭的绿色能源，根据全球风能协会(GlobalWindEnergyCouncil)公布的最新数据，北美洲、中美洲和南美洲的总风电装机容量在2018年增加至135千兆瓦，新增风电11.9吉瓦，同比增长12％；欧洲在2018年新增海上风电总装机容量为2.6吉瓦，使该地区的总装机容量达到18.5吉瓦。据不完全统计我国2018年1月份至7月份，新增风电发电装机容量946万千瓦，同比增长216万千瓦，同比增长近23％。仅2018年8-9月累计新增装机容量分别为12.61千兆瓦、14.47千兆瓦，同比分别增长30％和35.22％。随着经济社会稳步快速发展，能源资源瓶颈制约日益突出，已成为经济社会发展的主要制约因素之一。大力开发利用风能资源，加快风电等新能源产业发展，有利于优化全省能源结构、减少化石能源消耗、促进节能减排、缓解能源约束，培育新的经济增长点，促进产业结构升级、转变经济发展方式，推动经济平稳较快发展有着十分重要的意义。但是...
【技术保护点】
1.一种风电系统健康监测方法，其特征在于，所述方法包括：获取风电系统各种设备工作时的振动信号；对所述振动信号应用语谱图和PCA进行预处理；根据多维模糊聚类网络将经预处理后的数据，分为显著故障数据和微小故障数据；当数据为所述显著故障数据时，输入DBN‑ELM显著故障诊断模型，输出故障诊断结果。
【技术特征摘要】
1.一种风电系统健康监测方法，其特征在于，所述方法包括：获取风电系统各种设备工作时的振动信号；对所述振动信号应用语谱图和PCA进行预处理；根据多维模糊聚类网络将经预处理后的数据，分为显著故障数据和微小故障数据；当数据为所述显著故障数据时，输入DBN-ELM显著故障诊断模型，输出故障诊断结果。2.如权利要求1所述的一种风电系统健康监测方法，其特征在于，所述方法还包括：当数据为所述微小故障数据时，输入DBN-CNN组合模型显著故障诊断模型，输出故障诊断结果。3.如权利要求2所述的一种风电系统健康监测方法，其特征在于，所述DBN-CNN组合模型的诊断过程，包括：采用DBN-CNN组合模型结合动态分配权值进行组合预测及故障类型的识别，并建立故障库；当有未知故障发生，组合模型进行故障识别；所述未知故障称为第一故障；当所述第一故障不属于故障库中的故障类型，且所述第一故障出现多次，将其定义为第二故障，并更新原来的故障库，以实现对未知故障的动态辨识诊断。4.如权利要求1所述的一种风电系统健康监测方法，其特征在于，所述DBN-ELM显著故障诊断模型的生成过程如下：获取风电系统各种设备工作时的振动信号；对所述振动信号应用语谱图和PCA进行预处理，作为训练样本；将所述训练样本输入RBM，通过无监督贪婪训练每一层RBM；将训练后的RBM组合构建DBN，采用FA优化算法对DBN网络进行微调；将隐层1之后的网络去除，以极限学习机作为输出层；第1个隐层到第2隐层以及第2隐层到输出...
【专利技术属性】
技术研发人员：于文新，黄守道，吴轩，蒋丹，陆洋，
申请(专利权)人：湖南大学，
类型：发明
国别省市：湖南,43
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。