一种风电机组传动链数据预测方法和系统技术方案

本发明专利技术专利申请提供了一种风电机组传动链数据预测方法和系统，包括：获取风电机组传动链的输入数据，通过特征融合和特征筛选将所述输入数据进行降维转化；将降维转化后的所述输入数据输入到预先训练完成的LSTM模型中，得到输出数据；对所述LSTM模型输出的输出数据进行优化；所述LSTM模型，以降维转化后的输入数据作为输入，以输出数据作为输出完成训练，本发明专利技术专利申请通过采集风电机组传动链的输入数据，并将输入数据降维后通过LSTM模型得到输出数据，并对输出数据进行优化，实现了人工智能和数据分析相结合，对风力发电机组叶片和传动链的位移、速度、加速度等进行准确的时序预测可以有效地对风电机的运转状态进行监控。

【技术实现步骤摘要】

本专利技术专利申请属于数据分析与处理，具体涉及一种风电机组传动链数据预测方法和系统。

技术介绍

1、在如今能源稀缺的时代，由于风能有清洁、环保、可再循环的特点，于是对风能的研究和利用便成为了各国能源竞争的热点，所以对于风能发电的研究与优化显得尤为重要。

2、在将风能转化为电能的过程中，风力发电机组的叶轮和传动链这两个部分起到了很关键的作用。一旦一台风电机的叶轮和传动链失效，会使风电机组的运行效率直接降低，严重时会影响电力的正常供应。此外，风电机组中有很多台风电机，直接检查某一台或某几台故障的风电机会很困难，目前采用传统的专家分析结合仪器测试的方法定性推理风电机的故障原因显得极其耗时费力，而且准确性也很难得到保证。

3、目前，对于风电机组的叶轮和传动链动力学响应数据的预测，常见的方法是：即基于风电机组故障监测系统监测到的信号，如振动信号，温度信号等。通过对监测到的信号在时域和频域上分别进行信号分析，进而提取信号的特征，再通过迁移学习，小样本学习等故障分析的方法，对这些提取的特征进行分析与处理，从而实现故障的诊断。</p>

4、但是本文档来自技高网...

【技术保护点】

1.一种风电机组传动链数据预测方法，其特征在于，包括：

2.如权利要求1所述的方法，其特征在于，所述输入数据包括：轮高度处风速、轮高度处x轴风速分量、轮高度处风速y轴风速分量、轮高度处风速z轴风速分量、轮高度处风速与x轴水平夹角、叶轮转速以及桨距角；

3.如权利要求2所述的方法，其特征在于，所述通过特征融合和特征筛选将所述输入数据进行降维转化，包括：

4.如权利要求3所述的方法，其特征在于，所述LSTM模型，包括依次连接的第一LSTM网络和第二LSTM网络；

5.如权利要求4所述的方法，其特征在于，所述LSTM模型的训练，包括：

...

【技术特征摘要】

1.一种风电机组传动链数据预测方法，其特征在于，包括：

2.如权利要求1所述的方法，其特征在于，所述输入数据包括：轮高度处风速、轮高度处x轴风速分量、轮高度处风速y轴风速分量、轮高度处风速z轴风速分量、轮高度处风速与x轴水平夹角、叶轮转速以及桨距角；

3.如权利要求2所述的方法，其特征在于，所述通过特征融合和特征筛选将所述输入数据进行降维转化，包括：

4.如权利要求3所述的方法，其特征在于，所述lstm模型，包括依次连接的第一lstm网络和第二lstm网络；

5.如权利要求4所述的方法，其特征在于，所述lstm模型的训练，包括：

6.如权利要求1所述的方法，其特征在于，所述对所述lstm模型输出的输出数据进行优化，包括：

7.一种风电机组传动链数据预测系统，其特征在于，包括：

8.如权利要求7所述的系统，其特征在于，所述数据降维模块中的输入数据包括：轮高度处风速、轮高度处x轴...

【专利技术属性】
技术研发人员：秦世耀，贾海坤，王瑞明，薛扬，周传迪，李瀚涛，孔令行，陈晨，马晓晶，赵娜，
申请(专利权)人：中国电力科学研究院有限公司，
类型：发明
国别省市：

全部详细技术资料下载 我是这个专利的主人