【技术实现步骤摘要】
一种基于定子电流包络谱的风电机组叶轮不平衡检测方法
本专利技术涉及风电机组领域，尤其涉及一种基于定子电流包络谱的风电机组叶轮不平衡检测方法。
技术介绍
风电机组长期在野外运行，而野外运行环境通常都比较恶劣，因此，这种环境造成了风电机组的故障率较高，其故障发生的原因也是多种多样的。例如，叶片会因风沙、结冰和质量分布不均等造成叶轮质量不平衡，另外叶片在长期运行中也会由于疲劳应力产生裂纹，造成叶轮气动不平衡的问题。近年来，我国风电行业发展迅速，风电机组的并网容量不断提高，特别是海上风电机组的规划也提上了日程，这对机组的安全稳定运行、减少故障停机时间提高发电量提出了更高的要求。由于近年来低风速机型的推广应用，使得叶片越来越长，叶轮极易出现不平衡。该不平衡传递到传动链，会造成机组振动加剧、降低设备的寿命，严重时造成叶片断裂，导致事故的发生。因此对风机叶片进行故障检测和预知维修，对企业降低运行维护成本，提高经济效益具有重要意义。早期提出的一些风电机组叶轮不平衡检测方法，大部分采用一定的技术提取振动信号、发电机转速和转矩等...
【技术保护点】
1.一种基于定子电流包络谱的风电机组叶轮不平衡检测方法，其特征在于，包括以下步骤：/nS1、采集定子电流信号：对风力机叶轮平衡和不平衡状态下的发电机定子电流信号进行采集，所述发电机定子电流信号的采集直接通过变流器进行获取，不需要安装额外的传感器，其中所述风力机叶轮平衡状态和不平衡状态通过改变桨叶桨距角来产生；/nS2、处理采集得到的发电机定子电流信号：结合希尔波特变换法对发电机定子电流信号进行包络解调，对包络解调后得到的包络信号进行频谱分析，得到原始定子电流信号的包络解调谱图；/nS3、构建样本数据库：对得到的包络解调谱图进行分析，通过数组切片和重组选取包含故障频率的序列构...
【技术特征摘要】
1.一种基于定子电流包络谱的风电机组叶轮不平衡检测方法，其特征在于，包括以下步骤：
S1、采集定子电流信号：对风力机叶轮平衡和不平衡状态下的发电机定子电流信号进行采集，所述发电机定子电流信号的采集直接通过变流器进行获取，不需要安装额外的传感器，其中所述风力机叶轮平衡状态和不平衡状态通过改变桨叶桨距角来产生；
S2、处理采集得到的发电机定子电流信号：结合希尔波特变换法对发电机定子电流信号进行包络解调，对包络解调后得到的包络信号进行频谱分析，得到原始定子电流信号的包络解调谱图；
S3、构建样本数据库：对得到的包络解调谱图进行分析，通过数组切片和重组选取包含故障频率的序列构建平衡状态样本数据库和不平衡状态样本数据库；
S4、搭建神经网络模型：利用已经分类好的样本数据库对神经网络模型进行训练、调参和验证，得到具有识别能力的神经网络模型；
S5、构建检测数据库：对风力发电机检测状态下的定子电流信号进行采集和处理，通过采集和处理后的定子电流信号构建检测数据库；
S6、输送样本数据并进行识别判断：将检测数据库的检测样本数据输送给经过步骤S3训练得到的神经网络模型，利用所述神经网络模型对风力机检测状态下的数据进行识别判断；
S7、输出结果：输出结果，并根据输入数据特征将模型的输出结果分为平衡和不平衡。
2.根据权利要求1所述的一种基于定子电流包络谱的风电机组叶轮不平衡检测方法，其特征在于，所述步骤S4中的神经网络模型包括输入层、卷积层、池化层、展开层、全连接层、输出层和相应的激活函数，所述输入层之后为两组连续的卷积层和池化层，所述卷积层和池化层之后为展开层和三组全连接层，所述每个全连接层分别含有128、30和2个神经元，所述输出层中相应的激活函数采用softmax激活函数。
3.根据权利要求1所述的一种基于定子电流包络谱的风电机组叶轮不平衡检测方法，其特征在于，所述步骤S4中的利用已经分类好的样本数据库对神经网络模型进行训练、调参和验证,所述训练过程为：在神经网络模型的卷积层和池化层分别定义不同大小、深度和步长的内核，对风机叶轮平衡状态样本数据和不平衡状态样本数据依次进行滑动卷积处理，提取出数据内部特征并对数据进行压缩，所述全连接层的每个神经元之间都通过神经网络建立联系，且相互连接的神经元之间都含有与之对应的权重参数，所述权重参数会与输入的训练样本数据进行相应的几何运算，然后经过损失函数和优化器的处理对模型进行优化和训练。
...
【专利技术属性】
技术研发人员：陈棋，肖威，孙勇，林勇刚，马灵芝，
申请(专利权)人：浙江运达风电股份有限公司，浙江大学，
类型：发明
国别省市：浙江;33
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。