[发明专利]一种基于故障知识库的风电机组故障智能诊断方法

摘要

本发明属于风电机组故障智能诊断领域，尤其涉及一种基于故障知识库的风电机组故障智能诊断方法，其运用主成分分析对将振动信号特征值和SCADA信号特征值进行数据融合，利用风电场故障知识库中匹配成功率最高的已有故障样本作为输入，训练由粒子群算法优化的最小二乘支持向量回归算法模型形成故障识别模型，对风电机组故障进行智能诊断，故障知识库中的故障样本的匹配成功率将随着每次诊断的成败而进行更新。本发明的智能诊断方法可以针对风电机组高速端故障达到较好的识别效果，避免了风电场维护人员不具备专家经验时无法正确识读风电机组监测信息的弊端，具有较好的应用前景。

主权项

一种基于故障知识库的风电机组故障智能诊断方法，其特征在于，具体包括以下步骤：数据采集步骤：将目前的已知故障的类型和相应的特征参数样本存入故障知识库，选择故障知识库中匹配成功率最高的风电机组故障数据样本作为故障智能诊断模型的训练样本，采集所述训练样本中的振动数据、风电机组数据采集和监视控制数据；特征参数提取步骤：对采集到的所述振动数据和所述风电机组数据采集和监视控制数据进行特征参数提取，得到状态特征参数；数据融合步骤：采用主成分分析方法对所述状态特征参数进行数据融合，将所述数据融合后的综合指标作为所述故障智能诊断模型的输入；智能诊断步骤：采用粒子群优化算法优化的最小二乘支持向量回归算法对故障智能诊断模型进行参数寻优和训练，得到风电机组故障智能诊断的诊断结果。