一种风力发电机的故障检测方法、装置及设备制造方法及图纸

本发明专利技术公开了一种风力发电机的故障检测方法，本申请中不仅能将运行数据中的与(用以表征预设类型故障的)主要特征变量线性相关性较小的非主要特征变量剔除，而且还能将与主要特征变量的非线性相关性较小的非主要特征变量剔除，由于剔除了上述对故障检测结果帮助不大的运行数据特征变量，从而减小了风电机组运行数据的特征变量数，因此能提风力发电机故障检测的检测速度，降低故障检测的漏报率和误报率。本发明专利技术还公开了一种风力发电机的故障检测装置及设备，具有如上风力发电机的故障检测方法相同的有益效果。

A fault detection method, device and equipment of wind turbine

【技术实现步骤摘要】
一种风力发电机的故障检测方法、装置及设备
本专利技术涉及风力发电机领域，特别是涉及一种风力发电机的故障检测方法，本专利技术还涉及一种风力发电机的故障检测装置及设备。
技术介绍
某些场景下的发电机(例如风力发电机)发生故障时，需要提取出故障前后预设时间段内的运行数据，然后依靠这些运行数据并结合分类器对故障进行检测，但是运行数据中某些数据(例如某些与故障相关性较弱的特征变量)对于故障检测的作用微乎其微，现有技术中对于运行数据没有一种成熟的筛选方法，无法很好地剔除掉运行数据中对于故障检测作用不大的数据，导致了分类器在进行故障检测时速度较慢且故障检测的准确性较低。因此，如何提供一种解决上述技术问题的方案是本领域技术人员目前需要解决的问题。
技术实现思路
本专利技术的目的是提供一种风力发电机的故障检测方法，提高了风力发电机的故障检测的速度以及准确度；本专利技术的另一目的是提供一种风力发电机的故障检测装置及设备，提高了风力发电机的故障检测的速度以及准确度。为解决上述技术问题，本专利技术提供了一种风力发电机的故障检测方法，包括：提取发电机在故障发生时刻前后的共预设时段内的运行数据；确定出所述运行数据中的表征预设类型故障的主要特征变量，除所述主要特征变量之外的均为非主要特征变量；将所述运行数据中与所述主要特征变量的线性相关性小于第一预设阈值的所述非主要特征变量对应的数据剔除；将剔除后的所述运行数据中与所述主要特征变量的非线性相关性小于第二预设阈值的所述非主要特征变量对应的数据剔除，并将剩余的所述运行数据作为检测运行数据；利用分类器并结合所述检测运行数据检测所述发电机是否存在所述预设类型故障。优选地，所述将所述运行数据中与所述主要特征变量的线性相关性小于第一预设阈值的所述非主要特征变量对应的数据剔除之后，所述将剔除后的所述运行数据中与所述主要特征变量的非线性相关性小于第二预设阈值的所述非主要特征变量对应的数据剔除，并将剩余的所述运行数据作为检测运行数据之前，该风力发电机的故障检测方法还包括：将剔除后的所述运行数据中的线性相关性大于第三预设阈值的N个非主要特征变量剔除掉N-1个。优选地，所述将剔除后的所述运行数据中与所述主要特征变量的非线性相关性小于第二预设阈值的所述非主要特征变量对应的数据剔除之后，所述并将剩余的所述运行数据作为检测运行数据之前，该风力发电机的故障检测方法还包括：将剔除掉与所述主要特征变量的非线性相关性小于第二预设阈值的所述非主要特征变量后的所述运行数据中，与所述主要特征变量的非线性相关性大于第四预设阈值的所述非主要特征变量对应的数据剔除。优选地，所述提取发电机在故障发生时刻前后的共预设时段内的运行数据之后，所述确定出所述运行数据中的表征预设类型故障的主要特征变量之前，该风力发电机的故障检测方法还包括：删除所述运行数据中的无效数据。优选地，所述删除所述运行数据中的无效数据具体为：删除所述运行数据中含有空值或缺失值的样本、所有特征变量均为0的样本以及所有数据均为0的特征变量。优选地，所述将所述运行数据中与所述主要特征变量的线性相关性小于第一预设阈值的所述非主要特征变量对应的数据剔除具体为：利用Pearson相关性分析法，将所述运行数据中与所述主要特征变量的线性相关性小于第一预设阈值的所述非主要特征变量对应的数据剔除。优选地，所述将剔除后的所述运行数据中与所述主要特征变量的非线性相关性小于第二预设阈值的所述非主要特征变量对应的数据剔除具体为：利用最大信息系数法，将剔除后的所述运行数据中与所述主要特征变量的非线性相关性小于第二预设阈值的所述非主要特征变量对应的数据剔除。优选地，所述分类器为极端随机森林故障检测装置。为解决上述技术问题，本专利技术还提供了一种风力发电机的故障检测装置，包括：数据获取模块，用于提取发电机在故障发生时刻前后的共预设时段内的运行数据；特征选择模块，用于确定出所述运行数据中的表征预设类型故障的主要特征变量，除所述主要特征变量之外的均为非主要特征变量；第一特征剔除模块，用于将所述运行数据中与所述主要特征变量的线性相关性小于第一预设阈值的所述非主要特征变量对应的数据剔除；第二特征剔除模块，用于将剔除后的所述运行数据中与所述主要特征变量的非线性相关性小于第二预设阈值的所述非主要特征变量对应的数据剔除，并将剩余的所述运行数据作为检测运行数据；故障检测模块，用于利用分类器并结合所述检测运行数据检测所述发电机是否存在所述预设类型故障。为解决上述技术问题，本专利技术还提供了一种风力发电机的故障检测设备，包括：存储器，用于存储计算机程序；处理器，用于执行所述计算机程序时实现如上任一项所述风力发电机的故障检测方法的步骤。本专利技术提供了一种风力发电机的故障检测方法，本申请中不仅能将运行数据中的与(用以表征预设类型故障的)主要特征变量线性相关性较小的非主要特征变量剔除，而且还能将与主要特征变量的非线性相关性较小的非主要特征变量剔除，由于剔除了上述对故障检测结果帮助不大的运行数据特征变量，从而减小了风电机组运行数据的特征变量数，因此能提风力发电机故障检测的检测速度，降低故障检测的漏报率和误报率。本专利技术还提供了一种风力发电机的故障检测装置及设备，具有如上风力发电机的故障检测方法相同的有益效果。附图说明为了更清楚地说明本专利技术实施例中的技术方案，下面将对现有技术和实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术提供的一种风力发电机的故障检测方法的流程示意图；图2为本专利技术提供的一种基于不同相关性分析过程的故障检测速度的柱状对比图；图3为不同分类器的运行时间对比图；图4为不同分类器的故障检测性能的对比示意图；图5为本专利技术提供的一种风力发电机的故障检测装置的结构示意图；图6为本专利技术提供的另一种风力发电机的故障检测装置的结构示意图；图7为本专利技术提供的一种风力发电机的故障检测设备的结构示意图。具体实施方式本专利技术的核心是提供一种风力发电机的故障检测方法，提高了风力发电机的故障检测的速度以及准确度；本专利技术的另一核心是提供一种风力发电机的故障检测装置及设备，提高了风力发电机的故障检测的速度以及准确度。为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。请参考图1，图1为本专利技术提供的一种风力发电机的故障检测方法的流程示意图，包括：步本文档来自技高网...

【技术保护点】
1.一种风力发电机的故障检测方法，其特征在于，包括：/n提取发电机在故障发生时刻前后的共预设时段内的运行数据；/n确定出所述运行数据中的表征预设类型故障的主要特征变量，除所述主要特征变量之外的均为非主要特征变量；/n将所述运行数据中与所述主要特征变量的线性相关性小于第一预设阈值的所述非主要特征变量对应的数据剔除；/n将剔除后的所述运行数据中与所述主要特征变量的非线性相关性小于第二预设阈值的所述非主要特征变量对应的数据剔除，并将剩余的所述运行数据作为检测运行数据；/n利用分类器并结合所述检测运行数据检测所述发电机是否存在所述预设类型故障。/n

【技术特征摘要】
1.一种风力发电机的故障检测方法，其特征在于，包括：
提取发电机在故障发生时刻前后的共预设时段内的运行数据；
确定出所述运行数据中的表征预设类型故障的主要特征变量，除所述主要特征变量之外的均为非主要特征变量；
将所述运行数据中与所述主要特征变量的线性相关性小于第一预设阈值的所述非主要特征变量对应的数据剔除；
将剔除后的所述运行数据中与所述主要特征变量的非线性相关性小于第二预设阈值的所述非主要特征变量对应的数据剔除，并将剩余的所述运行数据作为检测运行数据；
利用分类器并结合所述检测运行数据检测所述发电机是否存在所述预设类型故障。


2.根据权利要求1所述的风力发电机的故障检测方法，其特征在于，所述将所述运行数据中与所述主要特征变量的线性相关性小于第一预设阈值的所述非主要特征变量对应的数据剔除之后，所述将剔除后的所述运行数据中与所述主要特征变量的非线性相关性小于第二预设阈值的所述非主要特征变量对应的数据剔除，并将剩余的所述运行数据作为检测运行数据之前，该风力发电机的故障检测方法还包括：
将剔除后的所述运行数据中的线性相关性大于第三预设阈值的N个非主要特征变量剔除掉N-1个。


3.根据权利要求2所述的风力发电机的故障检测方法，其特征在于，所述将剔除后的所述运行数据中与所述主要特征变量的非线性相关性小于第二预设阈值的所述非主要特征变量对应的数据剔除之后，所述并将剩余的所述运行数据作为检测运行数据之前，该风力发电机的故障检测方法还包括：
将剔除掉与所述主要特征变量的非线性相关性小于第二预设阈值的所述非主要特征变量后的所述运行数据中，与所述主要特征变量的非线性相关性大于第四预设阈值的所述非主要特征变量对应的数据剔除。


4.根据权利要求3所述的风力发电机的故障检测方法，其特征在于，所述提取发电机在故障发生时刻前后的共预设时段内的运行数据之后，所述确定出所述运行数据中的表征预设类型故障的主要特征变量之前，该风力发电机的故障检测方法还包括：
删除所述运行数据中的无效数据。


5.根据权利要求4所述的风力发电机的故障检测方...

【专利技术属性】
技术研发人员：唐明珠，彭巨，燕伯峰，陈宇韬，陈冬林，龙文，李泽文，
申请(专利权)人：长沙理工大学，内蒙古青电云电力服务有限公司，
类型：发明
国别省市：湖南;43