基于Park变换的海上风电机组齿轮系统故障诊断方法技术方案

一种基于Park变换的海上风电机组齿轮系统故障诊断方法，包括以下步骤：采集海上风力发电机定子的三相电流参数；通过park变换对三相电流参数进行预处理，确定故障特征量；将故障特征量通过样本学习方式提供给自编码器进行样本训练；自编码器得出隐藏层表示方法，编码器通过多个隐藏层的训练后，根据训练结果对整个系统参数进行微调，得到一个具有特征提取和模式识别功能的神经网络模型，并计算阈值；将测试在线数据输入到训练好的神经网络模型中，得出测试集的异常评分score

【技术实现步骤摘要】
基于Park变换的海上风电机组齿轮系统故障诊断方法


[0001]本专利技术属于风力发电故障诊断领域，特别涉及一种基于Park变换的海上风电机组齿轮系统故障诊断方法。

技术介绍

[0002]目前，针对如何诊断风电机组齿轮系统的故障，已有了许多方面的研究，例如中国专利文献CN201310301699.0记载的一种风电机组齿轮箱在线故障诊断系统，中国专利文献CN201610435189.6记载的基于振动信号盲源分离和稀疏成分分析的风电机组齿轮箱故障诊断方法，中国专利文献CN201710599192.6记载的一种结合堆叠降噪稀疏自动编码器的遗传算法，中国专利文献CN202010134735.9记载的风力发电机齿轮箱故障诊断方法及系统，中国专利文献CN201610916137.0记载的一种基于自适应共振稀疏分解理论的风电齿轮箱故障诊断方法，中国专利文献CN201810351068.2记载的一种基于卷积神经网络的风电齿轮箱故障诊断方法。
[0003]以上现有技术的缺点在于：以上技术方案主要针对的是陆上风电机组，而对于海上风电机组来说，海上风速变化莫本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于Park变换的海上风电机组齿轮系统故障诊断方法，其特征在于包括以下步骤：S1：采集海上风力发电机定子的三相电流参数；S2：通过park变换对三相电流参数进行预处理，确定故障特征量；S3：将故障特征量通过样本学习方式提供给自编码器进行样本训练；S4：自编码器得出隐藏层表示方法，编码器通过多个隐藏层的训练后，根据训练结果对整个系统参数进行微调，得到一个具有特征提取和模式识别功能的神经网络模型，并计算阈值；S5：将测试在线数据输入到训练好的神经网络模型中，得出测试集的异常评分score
i
，绘制指数加权移动平均值控制图来判断风机齿轮箱是否故障。2.根据权利要求1所述的基于Park变换的海上风电机组齿轮系统故障诊断方法，其特征在于：步骤S2包括以下步骤：S2.1：三相电流通过Park变换到两项静止坐标系，电流表达式如下：i
α
和i
β
分别代表两相静止坐标系下的空间横坐标电流和空间纵坐标电流。在两相静止坐标系下的空间电流模i
P
表达式如下：i
P
＝|i
α
+ji
β
|
ꢀꢀꢀ
(2)电机空间电流矢量i表示为：其中，式中I
s
表示为双馈风力发电机定子相电流的基波幅值；在两相静止坐标系中，i
α
和i
β
形成的空间电流矢量轨迹为以为半径的圆；由于park变换形成的空间矢量轨迹的图形称之为park矢量圆，电机正常工作时park矢量圆为一个理想的圆；针对海上风电故障情况下，将i
α
和i
β
形成的空间电流矢量轨迹与电机正常工作时park矢量圆进行对比，从而初步分析故障。3.根据权利要求2所述的基于Park变换的海上风电机组齿轮系统故障诊断方法，其特征在于：在步骤S2中，当风电机组采用行星齿轮时，步骤如下：S2.2：当风电机组采用行星齿轮时，损坏的行星齿轮在振动频谱中有一个特征频率，其表达式可以为：式中z
r
,z
s
分别为齿轮传动系统中齿轮圈和太阳齿轮的齿的数量；f
r
为齿轮转轴转速频率；此外，行星齿轮故障也会在齿轮啮合频率附近产生频率边带，其表达式如下：f
b
＝|f
m
±
f
c
|(5)
式中f
m
为齿轮啮合的基本频率；f
c
边带的间隔频率是有缺陷齿轮的转速频率；F
m
和f
c

【专利技术属性】
技术研发人员：王罗，邹祖冰，邓友汉，刘瑞阔，
申请(专利权)人：中国长江三峡集团有限公司，
类型：发明
国别省市：