【技术实现步骤摘要】
本申请涉及海上风机智能监测，尤其涉及一种基于多源信息融合的海上风机状态监测方法及系统。
技术介绍
1、近年来，我国能源产业转型进程不断加快，我国已成为全球风力发电规模最大、增长最快的市场。风能作为一种可再生能源，具有绿色清洁的特点，是目前世界各国的研究重点。相对陆上风电而言，海上风力资源更加丰富，具有发电量大、发电时间长、对生活环境影响小、不占用耕地、可进行大规模开发等诸多优势，因此，开发海上风力发电技术已经成为风电行业发展的新趋势。
2、相较于陆上风机，海上风电场环境恶劣，且海上风机的工作环境复杂，维护人员不能及时到达故障点进行检修，难以对海上风机的状态进行精准监测。
技术实现思路
1、本申请旨在至少在一定程度上解决相关技术中的技术问题之一。
2、为此，本申请第一方面提出了一种基于多源信息融合的海上风机状态监测方法，包括：
3、获取所述海上风机在预设时间段内多个时间点的多个齿轮箱油温值与所述海上风机在所述预设时间段的齿轮箱振动信号；
4、根据所述多个齿轮箱油温值与多尺度邻域特征提取模块，获得多尺度温度特征向量；
5、根据所述振动信号与卷积神经网络模型，获得振动图形特征向量；
6、融合所述多尺度温度特征向量与所述振动图形特征向量，获得融合特征矩阵；
7、将所述融合特征矩阵输入至经过预先训练的分类器模型，获得分类结果；所述分类结果用于表示所述海上风机的运行状态是否正常；其中，所述分类器模型已经学习得到
8、本申请第二方面提出了一种基于多源信息融合的海上风机状态监测系统，包括：
9、第一获取模块，用于获取所述海上风机在预设时间段内多个时间点的多个齿轮箱油温值与所述海上风机在所述预设时间段的齿轮箱振动信号；
10、第二获取模块，用于根据所述多个齿轮箱油温值与多尺度邻域特征提取模块，获得多尺度温度特征向量；
11、第三获取模块，用于根据所述振动信号与卷积神经网络模型，获得振动图形特征向量；
12、融合模块，用于融合所述多尺度温度特征向量与所述振动图形特征向量，获得融合特征矩阵；
13、分类模块，用于将所述融合特征矩阵输入至经过预先训练的分类器模型，获得分类结果；所述分类结果用于表示所述海上风机的运行状态是否正常；其中，所述分类器模型已经学习得到分类特征矩阵与分类结果之间的映射关系。
14、本申请第三方面提出了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时，实现前述第一方面所述的方法。
15、本申请第四方面提出了一种计算机可读存储介质，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，实现前述第一方面所述的方法。
16、根据本申请实施例的基于多源信息融合的海上风机状态监测方法，基于齿轮箱油温值与齿轮箱振动信号，对齿轮箱的温度特征以及振动特征进行信息融合，间接监测海上风机状态，适用于海上风电场恶劣的环境，以提高海上风机状态监测的精准度，以保证海上风机的正常运行。
17、本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
本文档来自技高网...【技术保护点】
1.一种基于多源信息融合的海上风机状态监测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，所述根据所述多个齿轮箱油温值与多尺度邻域特征提取模块，获得多尺度温度特征向量，包括：
3.根据权利要求1所述的方法，其特征在于，所述根据所述振动信号与卷积神经网络模型，获得振动图形特征向量，包括：
4.根据权利要求1所述的方法，其特征在于，所述融合所述多尺度温度特征向量与所述振动图形特征向量，获得融合特征矩阵，包括：
5.根据权利要求4所述的方法，其特征在于，通过以下公式融合所述多尺度温度特征向量与所述振动图形特征向量，获得所述融合高斯密度图。
6.根据权利要求4-5中任一项所述的方法，其特征在于，所述根据所述第一融合特征矩阵确定所述融合特征矩阵，包括：
7.根据权利要求6所述的方法，其特征在于，通过以下公式对所述第一融合特征矩阵进行基于分类偏差的可微算子转换优化，获得所述融合特征矩阵。
8.一种基于多源信息融合的海上风机状态监测系统，其特征在于，包括：
9.一种计算机
10.一种计算机可读存储介质，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时，实现如权利要求1至7中任一项所述的方法。
...【技术特征摘要】
1.一种基于多源信息融合的海上风机状态监测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，所述根据所述多个齿轮箱油温值与多尺度邻域特征提取模块，获得多尺度温度特征向量，包括：
3.根据权利要求1所述的方法，其特征在于，所述根据所述振动信号与卷积神经网络模型，获得振动图形特征向量，包括：
4.根据权利要求1所述的方法，其特征在于，所述融合所述多尺度温度特征向量与所述振动图形特征向量，获得融合特征矩阵，包括：
5.根据权利要求4所述的方法，其特征在于，通过以下公式融合所述多尺度温度特征向量与所述振动图形特征向量，获得所述融合高斯密度图。
6.根据权利要求4-5中任一项所述的方...
【专利技术属性】
技术研发人员：杨政厚，马羽龙，陈志文，段选锋，伟特，韩健，张琪，
申请(专利权)人：北京华能新锐控制技术有限公司，
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。