一种提取用于风电机故障诊断的信息的方法技术

本发明专利技术提供了一种提取用于风电机故障诊断的信息的方法，其挖掘出了SCADA用于故障分类的有效信息。其包括如下步骤：a时间特征提取，输入数据清洗后的SCADA数据，利用回声状态神经网络进行时间特征提取，提取出第v个变量的t时刻输入时间序列{v(1),v(2),...,v(t)}，其中输入序列长度根据实验设定，最终时间特征为Time(t)＝[O(t),x(t)]；b空间特征提取，对各变量在t时刻的相互变化进行提取，对t时刻的各变量通过1*1卷积进行映射，得到多个输出映射，在对多个映射利用1*3,1*5,1*7卷积进行处理，得到空间特征输出Space(t)；c时空特征提取，将Time(t)，Space(t)作为三层前馈神经网络的输入，对该神经网络进行训练，得到最终的分类器。得到最终的分类器。得到最终的分类器。

【技术实现步骤摘要】
一种提取用于风电机故障诊断的信息的方法


[0001]本专利技术涉及风电机故障诊断的
，具体为一种提取用于风电机故障诊断的信息的方法。

技术介绍

[0002]监控和数据采集(SCADA)系统广泛安装在风电场的风力涡轮机上，其产生了大量可用于风机故障诊断的传感数据。然而，这些SCADA数据是多变量时间序列，并代表着每个传感器变量内的复杂时间相关性以及不同传感器变量之间的空间相关性。
[0003]如何利用SCADA数据进行风电机故障诊断，是现有技术的难点，现有技术无法准确获取用于风电机故障诊断的可靠有用信息。

技术实现思路

[0004]针对上述问题，本专利技术提供了一种提取用于风电机故障诊断的信息的方法，其利用回声状态神经网络与卷积神经网络对SCADA数据进行时间与空间尺度上的特征提取，充分结合了SCADA数据的特性，并将数据的时空复杂特征进行解耦，挖掘出了SCADA用于故障分类的有效信息。
[0005]一种提取用于风电机故障诊断的信息的方法，其特征在于，其包括如下步骤：
[0006]a时间特征提取，输入本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种提取用于风电机故障诊断的信息的方法，其特征在于，其包括如下步骤：a时间特征提取，输入数据清洗后的SCADA数据，利用回声状态神经网络进行时间特征提取，提取出第v个变量的t时刻输入时间序列{v(1),v(2),...,v(t)}，其中输入序列长度根据实验设定，最终时间特征为Time(t)＝[O(t),x(t)]；b空间特征提取，对各变量在t时刻的相互变化进行提取，对t时刻的各变量通过1*1卷积进行映射，得到多个输出映射，在对多个映射利用1*3,1*5,1*7卷积进行处理，得到空间特征输出Space(t)；c时空特征提取，将Time(t)，Space(t)作为三层前馈神经网络的输入，对该神经网络进行训练，得到最终的分类器。2.如权利要求1所述的一种提取用于风电机故障诊断的信息的方法，其特征在于：步骤a中，输入序列长度根据实验最佳效果设定，将序列输入到回声状态神经网络中，回声状态神经网络引入了...

【专利技术属性】
技术研发人员：曾凡春，麻红波，崔源，杨继明，陈岩磊，王传鑫，
申请(专利权)人：北京华能新锐控制技术有限公司，
类型：发明
国别省市：