一种运用图卷积神经网络诊断风电齿轮箱故障的方法技术

本发明专利技术公开了一种运用图卷积神经网络诊断风电齿轮箱故障的方法，属于可再生能源装备状态监测与故障诊断领域，主要先通过运行机理与数据相关性构建齿轮箱系统图，再将数据以图的形式输入图卷积模型得到图中每个节点的预测值，根据故障机理利用关键参数的预测值与测量值的欧式距离来量化部件状态，最后通过计算得到的状态指标是否超出阈值来预警故障。本发明专利技术的有益效果为，提出了齿轮箱系统图数据构建方法，利用图卷积神经网络挖掘齿轮箱内不同测点数据之间的因果联系，提取齿轮箱内测点间的空间位置信息，提高了齿轮箱系统中相关测点预测的合理性，使模型在不同故障类型中具有良好适用性。适用性。适用性。

【技术实现步骤摘要】
一种运用图卷积神经网络诊断风电齿轮箱故障的方法


[0001]本专利技术涉及发电设备状态监测与故障诊断领域，尤其涉及一种运用图卷积神经网络诊断风电齿轮箱故障的方法。

技术介绍

[0002]增速齿轮箱是双馈异步风力发电机组最重要的系统之一，增速齿轮箱的使用大大降低了发电机和变频器的体积，但同时也因为齿轮箱在设计、制造、装配中的技术难度和运行环境的恶劣，齿轮箱系统的故障在所难免。齿轮箱一旦发生故障，会导致机组发电效率下降、动力传输中断甚至系统停机，造成不小的经济损失。中国可再生能源学会风能专业委员会在进行风电设备运行质量调查时，发现齿轮箱、发电机和叶片三大系统的故障率最高，而齿轮箱非计划停机时间比率高达21%，且造成的维修费用也占到总维修费用的18.61%。可见对齿轮箱系统进行故障预警具有一定的经济价值。
[0003]传统对齿轮箱系统的故障诊断主要基于额外安装的振动状态监测系统进行，其较高的数据采集频率和较大的数据量难以做到实时诊断，且依赖于一定的专家知识，对旋转部件以外的部件适用性较差。
[0004]专利文献CN115935737A本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种运用图卷积神经网络诊断风电齿轮箱故障的方法，其特征在于，所述方法具体包括以下步骤：步骤1：根据风力发电机物理结构与运行原理，分析典型故障的故障机理并构建齿轮箱系统故障树，根据测点位置与能量传递关系构建初步图结构；步骤2：利用随机森林计算工况参数对齿轮箱系统内参数的重要度，并在初步图结构上为重要度大的两种参数连接边，根据其能量传递方向确定边的方向，得到齿轮箱系统完整图结构；步骤3：提取风力发电机健康运行时期的SCADA数据；筛除非正常发电的数据以及其他已知故障的数据，用四分位法对风速
‑
功率散点图进行数据清洗；步骤4：从清洗后数据中提取风机运行工况数据与齿轮箱相应测点数据，用滑窗法构造输入样本，输出值为每个节点下个时间点的预测值；输入样本以图的形式输入到图神经网络中训练；步骤5：根据故障树，用故障表征的预测值与测量值之间欧氏距离作为部件状态指标，在使用移动平均法平滑处理后，用3σ法则从健康时期状态指标中计算出阈值；步骤6：待测试的SCADA数据按照以上步骤3、步骤4进行数据清洗，删除非正常工作数据和离群数据，构建输入样本；清洗完成的待测数据放入训练好的图卷积神经网络预测模型，得到每个节点的预测结果；步骤7：根据不同部件查询齿轮箱系统故障树选择对应故障表征，计算表征参数预测结果与测量值之间的欧氏距离作为状态指标；将得到的状态指标进行平滑处理，之后与阈值作比较判断齿轮箱是否异常。2.根据权利要求1中所述的一种运用图卷积神经网络诊断风电齿轮箱故障的方法，其特征在于，齿轮箱系统故障树是在分析齿轮箱润滑油路结构及其循环过程基础上，由典型故障发生时其油路上各测点数值变化情况组成。3.根据权利要求1中所述的一种运用图卷积神经网络诊断风电齿轮箱故障的方法，其特征在于，与齿轮箱内测点没有直接物理联系的风电机运行相关工况参数，通过计算工况参数与齿轮箱内各测点之间的重要度，取重要度高的工况参数加入到初步图结构。4.根据权利要求1中所述的一种运用图卷积神经网络诊断风电齿轮箱故障的方法，其特征在于，步骤2中利用随机森林计算重要度，具体为使用基于袋外...

【专利技术属性】
技术研发人员：滕伟，蒙康，刘宇，王逸霄，丁显，胥学峰，
申请(专利权)人：中国绿发投资集团有限公司，
类型：发明
国别省市：