【技术实现步骤摘要】
一种基于精简核主成分网络的风力发电设备状态监测方法
[0001]本专利技术涉及一种风力发电设备状态监测方法,特别涉及一种基于精简核主成分网络的风力发电设备状态监测方法。
技术介绍
[0002]由于石油等一次能源价格的波动,风力发电的环保特点,使风力发电的优势越来越明显。目前全世界风电装机容量排名前五的国家分别是中国、美国、德国、西班牙和印度。我国风能资源丰富,风能储量为32亿千瓦,可开发的装机容量约为2.5亿千瓦,居世界首位。中国的风电装机容量在近几年也迅速增长,与此同时国内新能源相关扶持和振兴规划不断出台,更进一步促进国内风力发电的发展。风力发电设备(即风力机)是将风能转换成为机械能的一种动力机械,同时,风能目前主要的利用形式是发电,风力发电在新能源和可再生能源行业中增长最快。
[0003]一般而言,风力发电设备大多运行在气候恶劣地区,且运行工况极差,导致风力发电机组故障较多,大量故障引起风力发电机组停止运行或不能达到额定出力。因此,实时监测风力发电设备的运行状态,及时发现运行异常从而快速组织设备维修维护,对于提升风力利用率与风力发电服务质量具有重要的实践意义。在现有的风力发电设备机组中,通常会配套安装有多个传感器,实时测量反馈诸如发电机转速,生成的电功率,加速度等数据信息。这些传感器采集的数据为实施数据驱动的风力发电设备状态监测提供了坚实的数据基础。在当前智能制造与大数据的风潮下,利用这些采样数据实施风力发电设备状态监测的方案是非常合时宜的。
[0004]然而,风力发电机的工作状态会受到外部环境风 ...
【技术保护点】
【技术特征摘要】
1.一种基于精简核主成分网络的风力发电设备状态监测方法,其特征在于,包括以下所示步骤:步骤(1):确定风力发电设备可实时测量的数据后,在风力发电设备正常运行状态下,按照固定的采样时间间隔采集数据;其中,每个采样时刻可实时测量的11个数据具体依次是: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,顶部纵轴加速度和偏航误差;步骤(2):将风速介于切入风速和切出风速之间的n个样本数据向量x1,x2,
…
,x
n
组成矩阵X=[x1,x2,
…
,x
n
],并对X∈R
11
×
n
中各个行向量实施标准化处理从而得到新矩阵其中,第i个样本数据向量x
i
∈R
11
×1中的11个数据按照步骤(1)中的顺序依次排列,i∈{1,2,
…
,n},R
11
×
n
表示11
×
n维的实数矩阵,R表示实数集,R
11
×1表示11
×
1维的实数向量;步骤(3):对新矩阵中实施核主成分分析后,保留核参数δ与核得分矩阵Y∈R
D
×
n
,具体的实施过程如步骤(3.1)至步骤(3.5)所示;步骤(3.1):根据公式计算新矩阵中第i列向量与第j列向量之间的平方距离ζ(i,j);其中,j∈{1,2,
…
,n},上标号T表示矩阵或向量的转置;步骤(3.2):根据如下所示公式
①
确定核参数δ:步骤(3.3):根据如下所示公式
②
计算核矩阵K∈R
n
×
n
中的第i行第j列元素K(i,j):上式中,e表示自然常数;步骤(3.4):计算核矩阵K的n个特征值λ1≥λ2≥
…
≥λ
n
及其对应的特征向量α1,α2,
…
,α
n
后,再将λ1,λ2,
…
,λ
n
中不小于λ0的特征值的个数记录为D;其中,特征向量α1,α2,
…
,α
n
的长度都等于1,λ0=(λ1+λ2+
…
+λ
n
)/n;步骤(3.5):将D个特征向量α1,α2,
…
,α
D
组建成一个特征变换矩阵A=[α1,α2,
…
,α
D
]后,再根据公式Y=A
T
K计算得到核得分矩阵Y∈R
D
×
n
;步骤(4):对新矩阵中的列向量实施边缘特征点分析,从而得到E个边缘点向量ξ1,ξ2,
…
,ξ
E
,具体的实施过程如步骤(4.1)至步骤(4.5)所示;步骤(4.1):初始化i=1;步骤(4.2):将中与列向量之间的平方距离小于δ的N
i
个列向量分别记录为步骤(4.3):根据如下所示公式
③
计算列向量的法向量f
i
:上式中,表示计算与之间的距离,b=1,2,
…
,N
i
;步骤(4.4):根据如下所示公式
④
计算列向量对应的边缘点指标g
i
:
上式中,θ
b
的取值规律如下所示:步骤(4.5):判断i是否小于n;若是,则设置i=i+1后,返回步骤(4.2);若否,则按照数值大小对边缘点指标g1,g2,
...
【专利技术属性】
技术研发人员:陈杨,陈勇旗,
申请(专利权)人:宁波大学科学技术学院,
类型:发明
国别省市:
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。