一种基于并行Elman-NN的风力发电机故障检测方法技术

本发明专利技术公开一种基于并行Elman

【技术实现步骤摘要】
一种基于并行Elman-NN的风力发电机故障检测方法


[0001]本专利技术涉及一种风力发电机故障检测方法，特别涉及一种基于并行Elman-NN的风力发电机故障检测方法。

技术介绍

[0002]风力发电在可再生能源领域占据着重要的地位，尤其是在孤立的海岛与偏远山区中，风力发电对于改善民生具有重要的意义。在风力持续的情况下，风力发电机能持续不断的提供电能，风力发电机的应用规模与日俱增。为了保证风力发电机的正常运行，传统的思路是对风力发电机进行定期的维护，这就导致无法及时的对处于异常工作状态的风力发电机进行及时检修。因此，对风力发电机的运行状态进行实时监测，及时的发现运行中出现的故障对于提升整个风力发电厂的电力输送品质具有较大的助力作用。由于风力发电机是一个大型且复杂的系统，根据机理知识(如动力学与电力电路知识)建立精确的数学模型是非常困难的。因此，利用机理模型实施故障检测的方案是不可取的。此外，在当前智能制造与大数据的风潮下，利用数据实施风力发电机故障检测的方案才是合乎时宜的。
[0003]一般而言，一个投入使用的风力发电机通常会安装有多本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于并行Elman-NN的风力发电机故障检测方法，其特征在于，包括以下步骤：步骤(1)：在风力发电机正常运行状态下，每间隔60秒采集一次样本数据，每次采集的样本数据具体包括11个测量数据，依次分别是：风速，旋翼转速，发电机转速，机械转矩，发电功率，叶片螺距角，叶片方位角，叶片根部力矩，顶部水平轴加速度，顶部纵轴加速度，偏航误差；步骤(2)：将风速处于风力发电机规定的工作风速范围内的n个样本数据x1，x2，
…
，x
n
组成矩阵X＝[x1，x2，
…
，x
n
]；其中，x
i
∈R
11
×1表示第i个样本数据，i∈{1，2，
…
，n}，R
11
×
n
表示11
×
n维的实数矩阵，R
11
×1表示11
×
1维的实数向量；步骤(3)：设置时序阶数为d后，将中第d列至第n列的列向量组建成矩阵X1∈R
11
×
N
，将中第d-1列至第n-1列的列向量组建成矩阵X2∈R
11
×
N
，直到将中第1列至第N列的列向量组建成矩阵X
d
∈R
11
×
N
；其中，N＝n-d+1；步骤(4)：将矩阵X1，X2，
…
，X
d
合并成一个增广矩阵后，再对增广矩阵Z中各个列向量实施归一化处理，从而得到新矩阵其中，上标号T表示矩阵或向量的转置符号，归一化处理的具体过程如步骤(4.1)至步骤(4.2)所示；步骤(4.1)：设置z
k
∈R
N
×1表示增广矩阵Z中的第k列向量，z
k
中元素的最大值与最小值分别是m
k
与δ
k
，利用公式计算得到新矩阵中的第k列向量其中，k∈{1，2，3，
…
，11
×
d}；步骤(4.2)：依次分别设置k等于1，2，
…
，11
×
d，并执行步骤(4.1)即可完成对Z中各个列向量的归一化处理；步骤(5)：依次将新矩阵中第2列至第11列的列向量用作Elman-NN的输出，并将Z中其它的列向量用作Elman-NN的输入，建立由10个Elman-NN模型组成的并行Elman-NN模型，具体的实施过程如步骤(5.1)至步骤(5.3)所示；步骤(5.1)：初始化j＝2；步骤(5.2)：将中第j列的列向量用作Elman-NN的输出，并将Z中其它的列向量用作Elman-NN的输入，搭建并使用BP算法训练得到第j-1个Elman-NN模型，同时得到模型误差向量e
j
∈R
N
×1；步骤(5.3)：判断是否满足条件：j＜11？若是，则设置j＝j+1后返回步骤(5.2)；若否，则得到由10个Elman-NN模型组成的并行Elman-NN模型，以及10个模型误差向量e2，e3，
…

【专利技术属性】
技术研发人员：ꢀ五一IntClG零六F三零二零，
申请(专利权)人：宁波大学，
类型：发明
国别省市：