基于局部-全局分层特征建模的风电机组故障诊断方法技术

本发明专利技术提出一种基于局部

【技术实现步骤摘要】
基于局部
‑
全局分层特征建模的风电机组故障诊断方法


[0001]本专利技术属于风力发电机组故障诊断
，具体涉及基于局部
‑
全局分层特征建模的风电机组故障诊断方法。

技术介绍

[0002]随着社会文明的飞速发展，人类对于能源的需求呈逐步递增的趋势，风能作为一种清洁、可再生的能源，近些年已在世界范围内实现大规模开发和利用。然而由于风机安装地点一般地处偏僻，气候恶劣，导致故障频发，给风电场带来了巨大的维修费用和停机损失。因此对风机的数据分析有很大的意义。
[0003]目前有很多的学者提出物理模型分析风机数据，但是物理模型严重依赖专业知识，并且要求较高的数学水平，这制约了物理模型的开发。近年来基于数据驱动的风机研究方法蓬勃发展，各大风场的数据采集与监视控制(Supervisory Control and Data Acquisition，以下简称SCADA)系统给基于数据驱动的分析方法提供了数据支撑。
[0004]目前已有通过处理风力发电机SCADA数据实现数据驱动的风机状态分析方法，但是提出的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于局部
‑
全局分层特征建模的风电机组故障诊断方法，其特征在于：其包括以下步骤：S1、从风电场的数据采集与监测系统中采集风电机组运行数据，并进行数据预处理及数据打标，得到标准化的多变量时间序列；S2、针对不同机组系统，将标准化的多变量时间序列分组，得到系统级多变量时间序列输入矩阵；S3、将S2所述的系统级多变量时间序列矩阵并行输入到m个卷积特征提取网络，进行多系统时间特征学习，提取不同系统的时间特征，所述m为整数，且m>1；将获取的不同系统的时间特征进行拼接得到一维特征向量；S4、将S3得到的一维特征向量输入到空洞因果卷积特征提取网络，以进一步提取空间向量特征，输出整机时空特征；S5、S4获取的整机时空特征通过构建的分类层，得到风电机组故障诊断。2.根据权利要求1所述的基于局部
‑
全局分层特征建模的风电机组故障诊断方法，其特征在于：S1包括如下具体步骤：S11、采用均值方差归一化方法对获取的原始多变量时间序列进行标准化处理，计算公式如下：其中，χ为要归一化的值，χ
scale
为归一化之后的值。μ为样本的平均值，S为样本的标准差。3.根据权利要求1所述的基于局部
‑
全局分层特征建模的风电机组故障诊断方法，其特征在于：S2包括如下具体步骤：S21、将标准化的多变量时间序列根据所属系统分成m组，包括变桨系统、偏航系统、传动系统和发电系统；S22、将分组后的多变量时间序列利用滑动窗技术分割成若干个长度为N的无重叠二维片段，得到n个多变量时间序列输入...

【专利技术属性】
技术研发人员：江国乾，周俊超，谢平，白佳荣，王霄，何群，
申请(专利权)人：燕山大学，
类型：发明
国别省市：