申请/专利权人：宁波大学

申请日：2020-10-13

公开（公告）日：2023-09-19

公开（公告）号：CN112270081B

主分类号：G06F30/20

分类号：G06F30/20;F03D17/00;G06F17/16;G06N3/084

优先权：

专利状态码：有效-授权

法律状态：2023.09.19#授权;2021.02.12#实质审查的生效;2021.01.26#公开

摘要：本发明公开一种基于并行Elman‑NN的风力发电机故障检测方法，旨在从数据驱动的角度来描述风力发电机各传感器测量数据之间的复杂非线性时序关联性，并通过模型误差的异常变化来检测风力发电机在运行过程中出现的故障。本发明方法的优势在于：本发明方法利用Elman‑NN算法与分布式建模的策略，从数据驱动的角度量化了风速数据和风力发电机自身测量数据相互之间的关系模型。其次，本发明方法通过监测并行Elman‑NN模型的误差变化情况来反映是否出现故障，又借鉴参考了误差生成思想的优势。

主权项：1.一种基于并行Elman-NN的风力发电机故障检测方法，其特征在于，包括以下步骤：步骤1：在风力发电机正常运行状态下，每间隔60秒采集一次样本数据，每次采集的样本数据具体包括11个测量数据，依次分别是：风速，旋翼转速，发电机转速，机械转矩，发电功率，叶片螺距角，叶片方位角，叶片根部力矩，顶部水平轴加速度，顶部纵轴加速度，偏航误差；步骤2：将风速处于风力发电机规定的工作风速范围内的n个样本数据x1，x2，…，xn组成矩阵X＝[x1，x2，…，xn]；其中，xi∈R11×1表示第i个样本数据，i∈{1，2，…，n}，R11×n表示11×n维的实数矩阵，R11×1表示11×1维的实数向量；步骤3：设置时序阶数为d后，将中第d列至第n列的列向量组建成矩阵X1∈R11×N，将中第d-1列至第n-1列的列向量组建成矩阵X2∈R11×N，直到将中第1列至第N列的列向量组建成矩阵Xd∈R11×N；其中，N＝n-d+1；步骤4：将矩阵X1，X2，…，Xd合并成一个增广矩阵后，再对增广矩阵Z中各个列向量实施归一化处理，从而得到新矩阵其中，上标号T表示矩阵或向量的转置符号，归一化处理的具体过程如步骤4.1至步骤4.2所示；步骤4.1：设置zk∈RN×1表示增广矩阵Z中的第k列向量，zk中元素的最大值与最小值分别是mk与δk，利用公式计算得到新矩阵中的第k列向量其中，k∈{1，2，3，…，11×d}；步骤4.2：依次分别设置k等于1，2，…，11×d，并执行步骤4.1即可完成对Z中各个列向量的归一化处理；步骤5：依次将新矩阵中第2列至第11列的列向量用作Elman-NN的输出，并将Z中其它的列向量用作Elman-NN的输入，建立由10个Elman-NN模型组成的并行Elman-NN模型，具体的实施过程如步骤5.1至步骤5.3所示；步骤5.1：初始化j＝2；步骤5.2：将中第j列的列向量用作Elman-NN的输出，并将Z中其它的列向量用作Elman-NN的输入，搭建并使用BP算法训练得到第j-1个Elman-NN模型，同时得到模型误差向量ej∈RN×1；步骤5.3：判断是否满足条件：j＜11？若是，则设置j＝j+1后返回步骤5.2；若否，则得到由10个Elman-NN模型组成的并行Elman-NN模型，以及10个模型误差向量e2，e3，…，e11；步骤6：将模型误差向量e2，e3，…，e11合并成一个误差矩阵E＝[e2，e3，…，e11]后，计算误差矩阵中所有行向量的均值向量μ∈R1×10，再计算协方差矩阵Λ＝E-UTE-UN-1；其中，均值矩阵U∈RN×10由N个均值向量μ∈R1×10组成；步骤7：根据公式D＝diag{E-UΛ-1E-UT}计算指标向量D后，再将D中的最大值记做控制上限Dlim；其中，diag{}表示将大括号内矩阵对角线元素转变成向量的操作；步骤8：采集最新采样时刻的样本数据xt∈R11×1，并将xt与其前d-1个采样时刻的样本数据xt-1，xt-2，…，xt-d+1合并成一个增广向量其中，每个样本数据皆由步骤1中所列的11个测量数据组成；步骤9：判断增广向量θt中的第一个元素是否处于风力发电机规定的工作风速范围内；若是，则执行步骤10；若否，则风力发电机未工作，处于待机状态，并返回步骤8继续实施对最新采样时刻的风力发电机故障检测；步骤10：根据公式对θt中各个元素实施归一化处理，从而得到新数据向量其中，与分别表示θt与中的第k个元素；步骤11：依次调用步骤5中的10个Elman-NN模型，从而依次得到误差ε2，ε3，…，ε11，具体的实施过程如步骤11.1至步骤11.3所示；步骤11.1：初始化j＝2；步骤11.2：将中除第j个元素以外的其他元素用作步骤5中第j-1个Elman-NN模型的输入，计算出相应的输出估计值步骤11.3：将中第j个元素减去输出估计值的差值记做误差εj后，判断是否满足条件：j＜11；若是，则设置j＝j+1后返回步骤11.2；若否，则得到误差ε2，ε3，…，ε11；步骤12：根据公式计算故障检测指标Qt后，在判断是否满足条件：Qt≤Dlim；若是，则当前采样时刻风力发电机运行正常，并返回步骤8；若否，则执行步骤13从而决策是否触发故障警报；其中，误差向量ξ＝[ε2，ε3，…，ε11]∈R1×10；步骤13：返回步骤8继续实施对最新采样时刻的风力发电机故障检测，若连续6个采样时刻的故障检测指标都不满足步骤12中的判断条件，则触发故障警报；反之，则不触发故障警报，并返回步骤8继续实施故障检测。

全文数据：

权利要求：

百度查询： 宁波大学 一种基于并行Elman-NN的风力发电机故障检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD