[发明专利]一种风电机组齿轮箱状态监测方法

权利要求书

1.一种风电机组齿轮箱状态监测方法，其特征在于，包括：实时获取风电机组齿轮箱状态监测数据即SCADA数据，对SCADA数据进行预处理，将预处理好的SCADA数据输入到训练好的风电机组齿轮箱状态监测网络模型中，得到风电机组齿轮箱状态监测结果；

对风电机组齿轮箱状态监测网络模型进行训练的过程包括：

S1：获取SCADA数据并对SCADA数据进行预处理，得到预处理好的SCADA数据；

S2：采用风电机组齿轮箱状态监测网络模型对SCADA数据进行处理，得到SCADA数据的预测值；

S3：根据SCADA数据的实际值和预测值计算均方根残差，并根据均方根残差反向传播更新风电机组齿轮箱状态监测网络模型参数，得到训练好的风电机组齿轮箱状态监测网络模型；

S4：根据模型的均方根残差，采用EWMA控制图算法计算状态警报值和警报上下限阈值，根据状态警报值和警报上下限阈值判断风电机组齿轮箱状态是否异常并输出风电机组齿轮箱状态监测结果。

2.根据权利要求1所述的一种风电机组齿轮箱状态监测方法，其特征在于，对SCADA数据进行预处理的过程包括：对SCADA数据进行机理分析，从原SCADA数据中选择多个最有必要的参数；计算参数的Pearson相关系数，根据Pearson相关系数从多个最有必要的参数中选择与齿轮箱油液温度系数相关性最大的多个参数；对与齿轮箱油液温度系数相关性最大的多个参数进行归一化处理，得到预处理好的SCADA数据。

3.根据权利要求2所述的一种风电机组齿轮箱状态监测方法，其特征在于，计算Pearson相关系数的公式为：

其中，r表示两种SCADA状态监测参数的Pearson相关系数，x_i,y_i表示输入的两种SCADA状态监测参数的第i个数值，表示两种SCADA状态监测参数的算术平均值，n表示SCADA状态监测参数的数据总长度。

4.根据权利要求1所述的一种风电机组齿轮箱状态监测方法，其特征在于，采用风电机组齿轮箱状态监测网络模型对SCADA数据进行处理的过程包括：

SCADA数据包括多种状态监测参数，风电机组齿轮箱状态监测网络模型为基于注意力机制的多路GRU模型；基于注意力机制的多路GRU模型为每一个监测量分配一个唯一的GRU模型来分别提取每种SCADA状态监测参数蕴含的齿轮箱状态信息，得到多个状态信息；引入自注意力机制对各个状态信息进行加权处理，得到加权处理后的状态信息；采用全连接层对加权处理后的状态信息进行处理，得到各个状态监测参数即SCADA数据的预测值。

5.根据权利要求1所述的一种风电机组齿轮箱状态监测方法，其特征在于，计算均方根残差的公式为：

其中，e^t表示输入t时刻状态监测参数后模型的均方根残差，y_i表示第i个状态监测参数实际值，f_i表示第i个状态监测参数预测值，m表示所选取的状态监测参数个数。

6.根据权利要求1所述的一种风电机组齿轮箱状态监测方法，其特征在于，计算状态警报值的公式为：

S_t＝λe^t+(1-λ)S_t-1

其中，S_t表示t时刻的状态警报值，λ表示平滑指数，e^t表示输入t时刻的状态监测参数后模型的均方根残差，S_t-1表示t-1时刻的状态警报值。

7.根据权利要求1所述的一种风电机组齿轮箱状态监测方法，其特征在于，计算警报上下限阈值的公式为：

其中，UCL(t)表示t时刻的警报上限阈值，LCL(t)表示t时刻的警报下限阈值，μ_e表示均方根残差的均值，K表示警报上下限阈值的系数，σ_e表示均方根残差的方差，λ表示平滑指数。

8.根据权利要求1所述的一种风电机组齿轮箱状态监测方法，其特征在于，判断风电机组齿轮箱状态是否异常的过程包括：当状态警报值超出警报上限阈值或警报下限阈值时，判断当前风电机组齿轮箱状态异常，否则，判断当前风电机组齿轮箱状态无异常。