【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...
【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
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。