【技术实现步骤摘要】
永磁同步电机异常检测方法和装置
[0001]本申请涉及永磁同步电机
，尤其涉及一种永磁同步电机异常检测方法
、
装置
、
电子设备和存储介质
。
技术介绍
[0002]退磁异常是指永磁同步电机中使用的永磁体磁化强度下降或丧失，这会降低永磁电机的性能和效率，永磁同步电机异常检测可以保护永磁同步电机运行的安全性
。
[0003]相关技术中，基于模型的方法涉及创建永磁电机的数学模型并将模型的预测与实际测量结果进行比较以识别永磁同步电机异常
。
然而，这些传统技术无法捕获复杂的工况模式并适应不同的工作条件，在准确检测退磁异常方面存在局限性
。
退磁异常影响永磁电机性能的原因可能较为隐蔽，而基于规则或基于模型的方法可能无法轻松捕捉到这一点，故亟需一种更可靠的永磁同步电机异常检测方法
。
技术实现思路
[0004]本申请第一方面实施例提出了一种永磁同步电机异常检测方法，所述方法包括：获取所述永磁同步电机正常工况运行时的多个正常性能参数，以及所述永磁同步电机不同异常工况运行时的多个异常性能参数；将所述多个正常性能参数和所述多个异常性能参数作为深度神经网络
DNN
的输入，并将所述正常工况和不同异常工况作为所述
DNN
输出，对所述
DNN
进行训练，以得到永磁同步电机的异常工况检测模型；将所述永磁同步电机的实时性能参数输入到所述永磁同步电机的异常工况检测模型，以检测出...
【技术保护点】
【技术特征摘要】
1.
一种永磁同步电机异常检测方法，其特征在于，所述方法包括：获取所述永磁同步电机正常工况运行时的多个正常性能参数，以及所述永磁同步电机不同异常工况运行时的多个异常性能参数；将所述多个正常性能参数和所述多个异常性能参数作为深度神经网络
DNN
的输入，并将所述正常工况和不同异常工况作为所述
DNN
输出，对所述
DNN
进行训练，以得到永磁同步电机的异常工况检测模型；将所述永磁同步电机的实时性能参数输入到所述永磁同步电机的异常工况检测模型，以检测出所述永磁同步电机的实时运行工况是否处于异常工况
。2.
如权利要求1所述的方法，其特征在于，所述获取所述永磁同步电机正常工况运行时的多个正常性能参数，以及所述永磁同步电机不同异常工况运行时的多个异常性能参数，包括：获取永磁同步电机不同运行工况下的运行数据，并对所述运行数据进行噪声消除
、
格式标准化转换处理，以得到处理后的标准化运行数据；从所述标准化运行数据中提取出所述永磁同步电机正常工况运行时的多个正常性能参数，以及所述永磁同步电机不同异常工况运行时的多个异常性能参数
。3.
如权利要求1所述的方法，其特征在于，所述将所述多个正常性能参数和所述多个异常性能参数作为深度神经网络
DNN
的输入，并将所述正常工况和不同异常工况作为所述
DNN
输出，对所述
DNN
进行训练，以得到永磁同步电机的异常工况检测模型，包括：将所述多个正常性能参数和所述多个异常性能参数作为深度神经网络
DNN
的输入，并将所述正常工况和不同异常工况作为所述
DNN
输出，对所述
DNN
进行训练，以得到所述永磁同步电机的初始异常工况检测模型；获取测试数据集，所述测试数据集包含带有标记的多个不同标识工况，各个所述标识工况运行时的多个标识性能参数；将所述多个标识性能参数输入到所述初始异常工况检测模型，以得到多个标识性能参数对应的检测工况；根据所述检测工况与所述标识工况的差异性，调控输入到所述初始异常工况检测模型中的各个标识性能参数权重和偏差，以得到初始永磁同步电机的异常工况检测模型
。4.
如权利要求1所述的方法，其特征在于，所述将所述永磁同步电机的实时性能参数输入到所述永磁同步电机的异常工况检测模型，以检测出所述永磁同步电机的实时运行工况是否处于异常工况，包括：将所述永磁同步电机的实时性能参数输入到所述永磁同步电机的异常工况检测模型，以检测出所述永磁同步电机的实时运行工况；对所述实时运行工况进行异常退磁阈值分类，以得到所述实时运行工况的实时退磁阈值；根据所述实时退磁阈值与预设的永磁同步电机异常退磁阈值的比较结果，确定所述永磁同步电机的实时运行工况是否处于异常工况
。5.
如权利要求1所述的方法，其特征在于，所述方法，还包括：在检测出所述永磁同步电机的实时运行工况处于异常工况的情况下，根据所述实时运行工况的异常类型，生成所述实时运行工况的报警信息，并将所述报警信息发送给所述永
磁同步电机的监管用户
。6.
【专利技术属性】
技术研发人员：马勇，赵勇，李冲，那迪穆，邓巍，马锦浩，陈玉，
申请(专利权)人：华能浙江能源开发有限公司清洁能源分公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。