[发明专利]基于数据驱动的风电机组多变量故障预测方法

摘要

本发明涉及风电机组故障预测方法，具体是一种基于数据驱动的风电机组多变量故障预测方法。本发明解决了现有基于数据驱动的故障预测方法预测准确率低的问题。基于数据驱动的风电机组多变量故障预测方法，该方法是采用如下步骤实现的：步骤1：对被监测的风电机组部件进行状态数据采集；步骤2：采用五点滑动平均法对特征量进行降噪处理；步骤3：计算特征量与剩余寿命预测的相关度R；步骤4：建立多变量最小二乘支持向量机预测模型；步骤5：对多变量最小二乘支持向量机预测模型的正则化参数γ和核参数σ²进行优化；步骤6：验证多变量最小二乘支持向量机预测模型的有效性；步骤7：预测风电机组部件的剩余有效寿命。本发明适用于风电机组故障预测。

主权项

1.一种基于数据驱动的风电机组多变量故障预测方法，其特征在于：该方法是采用如下步骤实现的：步骤1：对被监测的风电机组部件进行状态数据采集，并从状态数据中提取如下特征量：时域特征量、频域特征量、复杂度特征量；步骤2：采用五点滑动平均法对特征量进行降噪处理，由此消除特征量之间的随机性影响；降噪处理公式表示如下：公式(1)中：x(k)表示降噪前的特征量数据序列；x'(k)表示降噪后的特征量数据序列；k＝1,2,…,n；在风电机组部件的稳定运行期，计算特征量中的均方根值对应的状态数据平均值，并将状态数据平均值设为标准值，然后将均方根值除以标准值，由此得到相对均方根值；以相对均方根值为标签指标，设定风电机组部件的退化起始阈值d_max和失效阈值y_max；步骤3：计算特征量与剩余寿命预测的相关度R；计算公式表示如下：公式(2)中：y(k)表示与x(k)相对应的剩余寿命数据序列；表示数据序列x(k)的均值；表示数据序列y(k)的均值；选择与剩余寿命预测的相关度R大于0.6的特征量作为多变量最小二乘支持向量机预测模型的输入变量，同时去掉与剩余寿命预测不相关的特征量和噪声特征量；多变量最小二乘支持向量机预测模型的输入变量包括如下六个特征量：均方根值、绝对平均值、峰值、峭度指标、裕度指标、小波包‑包络样本熵；步骤4：建立多变量最小二乘支持向量机预测模型；具体建立过程如下：假设单变量时间序列为X＝[x(1),x(2),…,x(N)]，则根据Takens嵌入理论，单变量时间序列的预测值与其前m个值相关，表示如下：x(k+1)＝f(x(k),x(k‑1),…,x(k‑m+1))             (3)；公式(3)中：m表示嵌入维数，取5～10；k＝m,m+1,…,N；选取前n个为训练样本，后N‑n个为预测样本，则训练样本的输入输出序列和预测样本的输入输出序列分别表示如下：公式(4)‑(5)中：X_train、Y_train表示训练样本的输入输出序列；X_test、Y_test表示预测样本的输入输出序列；定义变量L(k)受M维特征量x₁(k),x₂(k),...,x_M(k)影响，则变量L(k)表示如下：L(k)＝f(x₁(k),x₂(k),...,x_M(k))                          (6)；将公式(6)代入公式(4)‑(5)，则训练样本的输入输出序列和预测样本的输入输出序列分别表示如下：公式(7)‑(8)中：X'_train、Y'_train表示多变量训练样本的输入输出序列；X'_test、Y'_test表示多变量预测样本的输入输出序列；步骤5：采用启发式粒子群算法对多变量最小二乘支持向量机预测模型的正则化参数γ和核参数σ²进行优化；具体优化过程如下：步骤5.1：对如下参数进行初始化：种群规模、学习因子、最大迭代次数、每个粒子的初始位置和速度、个体最优值、全局最优值；步骤5.2：随机生成粒子位置，并将粒子位置坐标设为多变量最小二乘支持向量机预测模型的正则化参数γ和核参数σ²，然后使用训练样本对多变量最小二乘支持向量机预测模型进行训练预测；计算均方误差MSE，并将均方误差MSE作为每个粒子的适应度值；步骤5.3：将每个粒子的适应度值与个体最优值和全局最优值进行比较，由此确定全局最优粒子；步骤5.4：判断全局最优粒子是否满足终止条件；若不满足终止条件，则根据公式(9)‑(10)更新粒子的速度和位置，并返回步骤5.2；若满足终止条件，则转到步骤5.5；v_id(t+1)＝wv_id(t)+c₁r₁(p_id(t)‑x_id(t))+c₂r₂(p_gd(t)‑x_id(t))   (9)；x_id(t+1)＝x_id(t)+v_id(t+1)                           (10)；公式(9)‑(10)中：w为惯性权重系数；c₁、c₂为两个学习因子，这里取c₁＝1.5，c₂＝1.7；r₁、r₂为[0，l]之间的随机数；x_id(t)、v_id(t)分别表示每个粒子的位置与速度；p_id(t)表示每个粒子到目前为止所出现的最优位置；p_gd(t)表示所有粒子到目前为止所出现的最优位置；步骤5.5：找到满足终止条件的全局最优粒子位置，并将全局最优粒子位置坐标作为多变量最小二乘支持向量机预测模型的最优正则化参数γ和最优核参数σ²；步骤6：构造多变量非线性函数，由此验证多变量最小二乘支持向量机预测模型的有效性；多变量非线性函数表示如下：公式(11)中：x₁、x₂、x₃表示多变量最小二乘支持向量机预测模型的输入，由均匀分布函数与白噪声叠加；y表示多变量最小二乘支持向量机预测模型的输出；步骤7：根据多变量最小二乘支持向量机预测模型，预测风电机组部件的剩余有效寿命；具体预测过程如下：根据风电机组部件的退化起始阈值d_max和失效阈值y_max，在相对均方根值未达到失效阈值y_max之前，有：||y_k||＜y_max                                         (12)；则风电机组部件的剩余有效寿命表示如下：公式(12)‑(13)中：RUL表示风电机组部件的剩余有效寿命；p表示预测步长。