[发明专利]一种基于分布式回归模型的风力发电机故障检测方法

权利要求书

1.一种基于分布式回归模型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，每个样本数据具体包括11个数据，依次分别为：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)：将风速在5m/s至20m/s之间的N个样本数据x₁，x₂，…，x_N组成矩阵X＝[x₁，x₂，…，x_N]，并对X∈R^11×N中各个行向量实施标准化处理从而得到新矩阵其中，x_i∈R^11×1表示第i个样本数据，i∈{1，2，…，N}，R^11×N表示11×N维的实数矩阵，R^11×1表示11×1维的实数向量；

步骤(3)：利用支持向量回归算法建立分布式回归模型，保留相应的参数集合，具体的实施过程如步骤(3.1)至步骤(3.4)所示：

步骤(3.1)：初始化j＝2；

步骤(3.2)：将新矩阵中第j行的行向量记做为输出向量z_j∈R^1×N，并将新矩阵中其余10行的行向量组成输入矩阵Z_j∈R^10×N；其中，R^1×N表示1×N维的实数向量，R^10×N表示10×N维的实数矩阵；

步骤(3.3)：利用支持向量回归算法建立输入矩阵Z_j与输出向量z_j之间的回归模型：并保留回归模型的参数集合φ_j以备调用；其中，表示核矩阵，为系数向量，e_j∈R^1×N为误差向量，上标号T表示矩阵或向量的转置符号，表示n_j×N维的实数矩阵，表示n_j×1维的实数向量，参数集合φ_j具体包括系数向量θ_j，核函数及其核参数，以及n_j个支持向量；

步骤(3.4)：判断是否满足条件：j＜11；若是，则设置j＝j+1后，返回步骤(3.2)；若否，则已建立包含10个回归模型的分布式回归模型，并保留相应的参数集合φ₂，φ₃，…，φ₁₁；

步骤(4)：将10个误差向量e₂，e₃，…，e₁₁组成误差矩阵后，再计算协方差矩阵Λ＝EE^T/(N-1)；

步骤(5)：根据公式Q＝diag{E^TΛ^-1E}计算检测指标向量Q，并将Q中的最大值记做控制上限Q_lim以备调用；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(6)：采集最新采样时刻的样本数据x_new∈R^11×1，x_new中的11个数据依次为：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，和偏航误差；

步骤(7)：判断x_new中的第一个数据是否小于等于20且大于等于5；若是，则执行步骤(8)；若否，则风力发电机未产生电能，处于待机状态，并返回步骤(6)继续利用最新采样时刻的样本数据实施风力发电机故障检测；

步骤(8)：对x_new中各行数据实施与步骤(2)中相同的标准化处理，从而得到新数据向量

步骤(9)：调用步骤(3)中的参数集合，计算得到误差向量e_new∈R^10×1，具体的实施过程如步骤(9.1)至步骤(9.4)所示；

步骤(9.1)：初始化j＝2；

步骤(9.2)：将中第j行的元素记为输出数据y_j，并将中其余10行的元素组成输入向量t_j∈R^10×1；

步骤(9.3)：调用参数集合φ_j中的核函数及其核参数和n_j个支持向量，计算出核向量后，再调用参数集合φ_j中的系数向量θ_j计算误差

步骤(9.4)：判断是否满足条件：j＜11；若是，则设置j＝j+1后返回步骤(8.2)；若否，则将计算得到的误差f₂，f₃，…，f₁₁组成误差向量e_new＝[f₂，f₃，…，f₁₁]^T∈R^10×1；

步骤(10)：根据公式计算故障检测指标Q_new后，在判断是否满足条件：Q_new≤Q_lim；若是，则当前采样时刻风力发电机运行正常，并返回步骤(6)；若否，则执行步骤(11)从而决策是否触发故障警报；

步骤(11)：返回步骤(6)继续利用最新采样时刻的样本数据实施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(10)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(6)继续实施故障检测。