[发明专利]一种风电机组的故障状态智能监测与诊断方法有效
| 申请号： | 201811351945.2 | 申请日： | 2018-11-14 |
| 公开（公告）号： | CN109444740B | 公开（公告）日： | 2020-10-02 |
| 发明（设计）人： | 于文新;黄守道;赵延明;吴轩 | 申请（专利权）人： | 湖南大学 |
| 主分类号： | G01R31/34 | 分类号： | G01R31/34 |
| 代理公司： | 湘潭市汇智专利事务所(普通合伙) 43108 | 代理人： | 颜昌伟 |
| 地址： | 410082 *** | 国省代码： | 湖南;43 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种风电机组的故障状态智能监测与诊断方法，包括以下步骤：利用偏最小二乘法建立风电机组非线性模型；结合极限学习机、混沌映射和萤火虫算法构建故障预测模型；通过深度信念学习结合极限学习机建立DBN‑ELM故障诊断模型；通过计算非线性数学模型与预测模型之间的残差对机组进行状态监测，判断风电机组是否发生故障，启动故障诊断模型对故障进行诊断和定位。本发明首先利用偏最小二乘法建立风电机组非线性模型，然后结合极限学习机、混沌映射和萤火虫算法构建故障预测模型，通过二者结合进行故障监测；一旦监测模型发生报警，启动DBN‑ELM模型对故障进行诊断和定位，降低了故障监测的复杂度，提高了故障的诊断正确率。 | ||
| 搜索关键词： | 一种 机组 故障 状态 智能 监测 诊断 方法 | ||
【主权项】：
1.一种风电机组的故障状态智能监测与诊断方法，包括以下步骤：步骤一：利用偏最小二乘法建立风电机组非线性模型；步骤二：结合极限学习机、混沌映射和萤火虫算法构建故障预测模型；步骤三：通过深度信念学习结合极限学习机建立故障诊断模型；步骤四：通过计算非线性数学模型与预测模型之间的残差对机组进行状态监测，当残差超过容差范围，判断风电机组发生故障，系统启动故障诊断模型对故障进行诊断和定位。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于湖南大学，未经湖南大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811351945.2/，转载请声明来源钻瓜专利网。
