基于大数据的海上风机状态监测方法及其系统技术方案

本申请涉及海上风力发电的智能监测领域，其具体地公开了一种基于大数据的海上风机状态监测方法及其系统，其通过分别部署于发动机、齿轮箱和主轴承的传感器采集的振动信号作为输入数据，采用深度神经网络模型来作为特征提取器以对这三者的所述振动信号进行特征挖掘，从而基于综合的特征信息来对海上风机的状态进行全局性地监测，以在故障发生初期就能够检测出异常点，进而保证海上风力发电的正常运行。行。行。

【技术实现步骤摘要】
基于大数据的海上风机状态监测方法及其系统


[0001]本专利技术涉及海上风力发电的智能监测领域，且更为具体地，涉及一种基于大数据的海上风机状态监测方法及其系统。

技术介绍

[0002]近年来，我国能源产业转型进程不断加快，我国已成为全球风力发电规模最大、增长最快的市场。风能作为一种可再生能源，具有绿色清洁的特点，是目前世界各国的研究重点。相对陆上风电而言，海上风力资源更加丰富，具有发电量大、发电时间长、对生活环境影响小、不占用耕地、可进行大规模开发等诸多优势，因此，开发海上风力发电技术已经成为风电行业发展的新趋势。
[0003]但是，在海上风电场环境恶劣，维护人员不能及时到达故障点进行检修时，因此，基于无线通讯的海上风电监测系统就愈发显得重要。比如，在海上风机日常监测中，经常会遇到以下问题：如何确认该风机是否正常运行如何能快速定位到某风机状态异常点如何能掌握到每台风机的实时信息和历史工作信息因此，为了更好地对于海上风机的状态进行监测，期望一种基于大数据的海上风机状态监测方法。

技术实现思路

[0004]为了解决上述技术问本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据的海上风机状态监测方法，其特征在于，包括：获取由部署于发动机的第一振动传感器采集的第一振动信号、由部署于齿轮箱的第二振动传感器采集的第二振动信号以及由部署于主轴承的第三振动传感器采集的第三振动信号；分别使用格拉姆角场原理将所述第一至第三振动信号转化为第一至第三振动格拉姆角和场图像；分别将所述第一至第三振动格拉姆角和场图像中各个振动格拉姆角和场图像通过作为过滤器的第一卷积神经网络以得到第一至第三振动格拉姆角和场图像特征向量；分别将所述第一至第三振动信号中各个振动信号通过作为过滤器的第二卷积神经网络以得到第一至第三振动波形特征向量；分别融合所述第一至第三振动格拉姆角和场图像特征向量和所述第一至第三振动波形特征向量中各对相应的振动格拉姆角和场图像特征向量和振动波形特征向量以得到第一至第三振动特征向量；计算所述第二振动特征向量相对于所述第一振动特征向量的第一转移矩阵且计算所述第三振动特征向量相对于所述第二振动特征向量的第二转移矩阵；融合所述第一转移矩阵和所述第二转移矩阵以得到分类特征矩阵；以及将所述分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示海上风机状态是否正常。2.根据权利要求1所述的基于大数据的海上风机状态监测方法，其特征在于，所述分别将所述第一至第三振动格拉姆角和场图像中各个振动格拉姆角和场图像通过作为过滤器的第一卷积神经网络以得到第一至第三振动格拉姆角和场图像特征向量，包括：所述第一卷积神经网络的各层在层的正向传递中对输入数据分别进行：对输入数据进行卷积处理以得到卷积特征图；对所述卷积特征图进行基于局部特征矩阵的均值池化以得到池化特征图；以及对所述池化特征图进行非线性激活以得到激活特征图；其中，所述第一卷积神经网络的最后一层的输出为所述第一至第三振动格拉姆角和场图像特征向量，所述第一卷积神经网络的第一层的输入为所述第一至第三振动格拉姆角和场图像中各个振动格拉姆角和场图像。3.根据权利要求2所述的基于大数据的海上风机状态监测方法，其特征在于，所述分别将所述第一至第三振动信号中各个振动信号通过作为过滤器的第二卷积神经网络以得到第一至第三振动波形特征向量，包括：使用所述第二卷积神经网络的各层在层的正向传递中对输入数据进行卷积处理、沿局部特征矩阵的均值池化处理和激活处理以由所述第二卷积神经网络的最后一层生成所述第一至第三振动波形特征向量，其中，所述第二卷积神经网络的第一层的输入为所述第一至第三振动信号中各个振动信号。4.根据权利要求3所述的基于大数据的海上风机状态监测方法，其特征在于，分别融合所述第一至第三振动格拉姆角和场图像特征向量和所述第一至第三振动波形特征向量中各对相应的振动格拉姆角和场图像特征向量和振动波形特征向量以得到第一至第三振动特征向量，包括：
计算所述第一振动格拉姆角和场图像特征向量和所述第一振动波形特征向量的按位置加权和以得到所述第一振动特征向量；计算所述第二振动格拉姆角和场图像特征向量和所述第二振动波形特征向量的按位置加权和以得到所述第二振动特征向量；以及计算所述第三振动格拉姆角和场图像特征向量和所述第三振动波形特征向量的按位置加权和以得到所述第三振动特征向量。5.根据权利要求4所述的基于大数据的海上风机状态监测方法，其特征在于，所述计算所述第二振动特征向量相对于所述第一振动特征向量的第一转移矩阵且计算所述第三振动特征向量相对于所述第二振动特征向量的第二转移矩阵，包括：以如下公式计算所述第二振动特征向量相对于所述第一振动特征向量的所述第一转移矩阵；其中，所述公式为：=*其中表示所述第一振动特征向量，表示所述第一转移矩阵，表示所...

【专利技术属性】
技术研发人员：曾卫东，韩健，杨政厚，马羽龙，陈志文，段选锋，伟特，
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：