基于多特征融合的风机主轴齿轮箱温度异常检测方法技术

本发明专利技术为一种基于多特征融合的风机主轴齿轮箱温度异常检测方法，首先读取风机主轴齿轮箱的历史温度序列并进行数据清洗和归一化处理；然后，利用孤立森林算法对各个采样点的温度进行异常检测，得到全局温度异常点；接着，依次将相邻两个采样点的温度作差，得到温度差值序列，再次利用孤立森林算法检测异常温度差值，将异常温度差值对应的后一个采样点作为局部温度异常点；然后，构建温度预测模型，得到各个采样点的温度预测值；最后，将全局温度异常点、局部温度异常点和采样点的温度预测值进行融合，得到各个采样点的温度异常权重，若温度异常权重大于温度异常权重阈值，则判定该采样点的温度异常，否则温度不异常。该方法考虑上下文异常的同时考虑离群点异常，提高了检测准确度，为风机运维提供参考。为风机运维提供参考。为风机运维提供参考。

【技术实现步骤摘要】
基于多特征融合的风机主轴齿轮箱温度异常检测方法


[0001]本专利技术涉及风机异常检测
，具体涉及一种基于多特征融合的风机主轴齿轮箱温度异常检测方法。

技术介绍

[0002]随着风能被广泛的开发利用，风电机组的装机容量不断增加。由于风电机组通常安装在沿海岛屿、交通不变的边远山区、地广人稀的沙漠草原等地区，故风电机组的运行状况难以通过人为直接检测，主要是利用传感器采集数据进行观测。主轴作为风电机组重要的组成部分之一，也是机组中故障频发的构件，而主轴齿轮箱温度在一定程度上能够反映风机的运行状况，例如温度过高表明内部有异常可能会引起风机故障，温度过低可能表示停机，因此主轴齿轮箱温度异常检测对风机运行状态监测具有重要意义，同时可以为风机运维提供参考。
[0003]国内外许多学者对异常数据检测进行了大量的深入研究，并取得了较大进展。目前，主要采用的方法包含两类，一类是传统方法的异常检测，另一类是基于预测模型的异常检测。传统方法主要包括局部离群因子(Local Outlier Factor,LOF)、孤立森林(Isolation Forest本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多特征融合的风机主轴齿轮箱温度异常检测方法，其特征在于，该方法包括以下步骤：步骤一：读取风机主轴齿轮箱的历史温度序列并进行数据清洗，历史温度序列记为X0＝{x1,x2,
…
,x
n
}，n表示采样点数量；对历史温度序列进行归一化处理，得到归一化的历史温度序列；步骤二：利用孤立森林算法对各个采样点的温度进行异常检测，得到全局温度异常点；步骤三：依次将历史温度序列中相邻两个采样点的温度作差，得到温度差值序列X'＝{x'1,x'2,
…
,x'
n
‑1}；其中，x'1＝x2‑
x1；使用孤立森林算法对温度差值序列进行异常检测，得到异常温度差值；由于温度差值是相邻两个采样点的温度作差得到，故选取异常温度差值对应的后一个采样点作为局部温度异常点；步骤四：基于卷积神经网络构建温度预测模型并对模型进行训练，将归一化的历史温度序列输入到训练后的温度预测模型中，得到各个采样点的温度预测值；步骤五：利用下式计算各个采样点的温度异常权重，若温度异常权重大于温度异常权重阈值，则判定该采样点的温度异常，...

【专利技术属性】
技术研发人员：林涛，陈山，李帅，雷旭阳，赵磊，
申请(专利权)人：河北工业大学，
类型：发明
国别省市：