【技术实现步骤摘要】
本专利技术涉及风力发电，特别是关于一种风机解缆缺陷模式识别方法、装置及计算机可读存储介质。
技术介绍
1、随着世界对能源需求越来越大，环保要求越来越高。能源的开发利用逐渐转向风能领域。
2、风电机组中具有偏航控制系统，其作用是在风电机组发电状态下保持机舱方向与来流风向平行，从而增加风电机组叶轮可吸收的风能上限并减小来流风速带来的侧向载荷，以达到提升风电机组功率并保障安全运行的目的。偏航控制算法，主要有基于模糊控制器的偏航算法、基于固定时间间隔的偏航控制算法、基于pid的偏航控制算法等。
3、在一定条件下，可能会持续向着某一方向持续进行偏航，使得连接机舱与塔底的电缆扭绞，严重时可能发生电缆绷断并导致风电机组倒塔。因此，风电机组的控制逻辑中必须设计有解缆控制逻辑，容易理解，解缆控制逻辑在触发机组的解缆行为时，在扭缆角度超一个方向的阈值时，会反向降低电缆的扭缆角度，从而避免运营过程中发生事故。
4、然而，本申请的专利技术人在研究中发现，一些解缆行为发生过于频繁，或者发生并不适时，例如在风况适于发电的时段进行解缆，显然会降低对风能的利用效率。这些解缆行为，就可以认为具有一定的缺陷模式，识别解缆行为的缺陷模式，有助于对风电机组的解缆控制逻辑进行改进，也有助于提高风电机组的发电效率和经济效益。
技术实现思路
1、针对上述问题，本专利技术的目的是提供一种风机解缆缺陷模式识别方法、装置及计算机可读存储介质，可以基于神经网络模型识别风电机组触发的解缆行为的缺陷模式
2、为实现上述目的，本专利技术采取以下技术方案：
3、第一方面，本申请提供一种风机解缆缺陷模式识别方法，所述方法包括：
4、获取风电机组通过传感器采集的离散时间点的传感数据，所述传感数据，包括：风速v、功率pact、扭缆角度地理风向和风电机组朝向
5、根据所述传感数据，计算预先训练好的神经网络模型的输入数据；
6、将所述输入数据输入所述预先训练好的神经网络模型，预测对应于输入数据的缺陷模式的标签。
7、在本申请的一种实现方式中，所述根据所述传感数据，计算预先训练好的神经网络模型的输入数据，包括：
8、根据离散时间点的扭缆角度扭缆角度计算设定时间间隔的扭缆角度变化值
9、根据各个离散时间点对应的所述风电机组朝向和所述地理风向计算对风偏差角度θ；
10、根据各个离散时间点对应的风速v、功率pact、扭缆角度地理风向和风电机组朝向以及扭缆角度变化值和对风偏差角度θ，组成7个维度的输入数据其中t为离散时间点的时间序号。
11、在本申请的一种实现方式中，所述设定时间间隔为10分钟；所述设定时间间隔的扭缆角度变化值的计算公式为：
12、
13、在本申请的一种实现方式中，所述对风偏差角度θ的计算公式为：
14、
15、其中，k为整数，其取值满足θ的范围为[-180°,+180°]。
16、在本申请的一种实现方式中，所述缺陷模式的标签，包括：0、1、2三类，其中：
17、0类标签，对应于解缆行为为正常解缆；
18、1类标签，对应于风电机组的启动过程异常触发解缆；
19、2类标签，对应于风电机组的静态延迟解缆。
20、在本申请的一种实现方式中，所述解缆行为的持续时间段为：以风电机组的解缆控制逻辑触发解缆动作指令为中心时间点的60分钟。
21、在本申请的一种实现方式中，以60组离散时间点的输入数据输入到神经网络模型中，预测一个对应的解缆行为的缺陷模式的标签
22、在本申请的一种实现方式中，所述启动过程异常触发解缆，定义为：风电机组，在启机过程中，先按照第一方向进行偏航，再触发解缆，在反向解缆完成后，再按照第一方向执行二次偏向完成启机准备；
23、所述静态延迟解缆，定义为：风电机组在待机状态下，满足静态解缆的条件，超出第一预定义时间则不执行解缆，且在风况满足发电条件，在第二预定义时间不进入发电状态。
24、在本申请的一种实现方式中，所述方法，还包括训练所述神经网络模型的步骤；
25、训练所述神经网络模型的步骤，包括：
26、采集历史数据的离散时间点的传感数据，包括：风速v、功率pact、扭缆角度地理风向和风电机组朝向
27、计算历史数据的离散时间点的扭缆角度变化值和对风偏差角度θ；
28、根据历史数据中每次触发解缆动作指令的时刻，以其为中心，对应确定60个样本所在的离散时间点；
29、为确定的离散时间点的每一样本打上标签，完成样本数据的收集；
30、利用收集到的样本数据完成神经网络模型的训练。
31、第二方面，本申请提供一种风机解缆缺陷模式识别装置，所述装置包括：
32、传感模块，用于获取风电机组通过传感器采集的离散时间点的传感数据，所述传感数据，包括：风速v、功率pact、扭缆角度地理风向和风电机组朝向
33、输入数据计算模块，用于根据所述传感数据，计算预先训练好的神经网络模型的输入数据；
34、预测模块，用于将所述输入数据输入所述预先训练好的神经网络模型，预测对应于输入数据的缺陷模式的标签。
35、第三方面，本申请提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，所述计算机程序运行时控制所述计算机可读存储介质所在设备执行第一方面所述的风机解缆缺陷模式识别方法。
36、本专利技术由于采取以上技术方案，其具有以下优点：本专利技术申请方案中，通过获取风电机组离散时间点的传感数据，基于传感数据进行计算，得到神经网络模型的输入数据，再将输入数据输入神经网络模型，可以预测对应于输入数据的缺陷模式的标签，从而可以准确识别出风电机组的解缆行为的缺陷模式，有助于对风电机组的解缆控制逻辑进行改进，也有助于提高风电机组的发电效率和经济效益。
本文档来自技高网...【技术保护点】
1.一种风机解缆缺陷模式识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的风机解缆缺陷模式识别方法，其特征在于，所述根据所述传感数据，计算预先训练好的神经网络模型的输入数据，包括：
3.根据权利要求2所述的风机解缆缺陷模式识别方法，其特征在于，所述设定时间间隔为10分钟；所述设定时间间隔的扭缆角度变化值的计算公式为：
4.根据权利要求3所述的风机解缆缺陷模式识别方法，其特征在于，所述缺陷模式的标签，包括：0、1、2三类，其中：
5.根据权利要求4所述的风机解缆缺陷模式识别方法，其特征在于，所述解缆行为的持续时间段为：以风电机组的解缆控制逻辑触发解缆动作指令为中心时间点的60分钟。
6.根据权利要求5对应的风机解缆缺陷模式识别方法，其特征在于，以60组离散时间点的输入数据输入到神经网络模型中，预测一个对应的解缆行为的缺陷模式的标签。
7.根据权利要求6所述的风机解缆缺陷模式识别方法，其特征在于，所述启动过程异常触发解缆，定义为：风电机组，在启机过程中，先按照第一方向进行偏航，再触发解缆，在反向解缆完
8.根据权利要求7所述的风机解缆缺陷模式识别方法，其特征在，所述方法，还包括训练所述神经网络模型的步骤；
9.一种风机解缆缺陷模式识别装置，其特征在于，所述装置包括：
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序，所述计算机程序运行时控制所述计算机可读存储介质所在设备执行权利要求1至8任一项所述的风机解缆缺陷模式识别方法。
...【技术特征摘要】
1.一种风机解缆缺陷模式识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的风机解缆缺陷模式识别方法，其特征在于，所述根据所述传感数据，计算预先训练好的神经网络模型的输入数据，包括：
3.根据权利要求2所述的风机解缆缺陷模式识别方法，其特征在于，所述设定时间间隔为10分钟；所述设定时间间隔的扭缆角度变化值的计算公式为：
4.根据权利要求3所述的风机解缆缺陷模式识别方法，其特征在于，所述缺陷模式的标签，包括：0、1、2三类，其中：
5.根据权利要求4所述的风机解缆缺陷模式识别方法，其特征在于，所述解缆行为的持续时间段为：以风电机组的解缆控制逻辑触发解缆动作指令为中心时间点的60分钟。
6.根据权利要求5对应的风机解缆缺陷模式识别方法，其特征在于...
【专利技术属性】
技术研发人员：杨宇凡，张雨阳，荣兴汉，岳文彦，徐鹤，
申请(专利权)人：中节能风力发电股份有限公司，
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。