[发明专利]基于bayes算法的风机故障诊断方法和诊断系统

权利要求书

1.一种基于Bayes算法的风力发电故障诊断方法，其特征在于，包括：

以风力发电数据养殖为基础，标注风力发电系统故障信息；

采用Copula关联函数对Bayes算法进行改进，并将改进的Bayes算法应用于风力发电系统故障预测性诊断；

根据对风力发电设备运行影响的重要程度选取用于创建风电发力系统设备故障诊断模型相应的参数，不同维度的参数组合必须≥3项；

定期对诊断模型重新拟合，优化故障诊断模型。

2.如权利要求1所述的方法，其特征在于，所述风力发电系统的故障信息，该故障信息进一步包括：风力发电系统已知的故障类型和对应的时间。

3.如权利要求1所述的方法，其特征在于，所述风力发电系统的故障信息，该故障信息进一步包括：风力发电系统各类故障发生前的特征状态。

4.如权利要求1所述的方法，其特征在于，所述不同维度的参数组合至少包含按重要程度影响风力发电系统设备运行的前3项参数。

5.如权利要求1所述的方法，其体征在于，所述优化故障诊断模型包括：

采用十折多次交叉验证的方式，分别进行故障先验概率计算、copula算法对条件概率密度计算，其中所述条件概率密度计算为选择上述影响风力发电设备运行的参数维度不同组合的概率密度计算；

将故障发生的Bayes后验概率与正常状态的Bayes后验概率比较并进行迭代运算；

根据故障诊断准确率及故障诊断误判率综合评分选择不同设备相应的最优诊断模型。

6.一种基于Bayes算法的风力发电故障诊断系统，其特征在于，包括：数据养殖单元、Bayes算法建模单元、实时诊断单元和故障诊断模型优化单元，用于风力发电系统故障预测性诊断。

7.如权利要求6所述的故障诊断系统，其特征在于，所述数据养殖单元，用于标注风力发电系统已知的故障类型及对应时间；还标注风力发电系统各类故障发生前的特征状态，为故障预测性诊断创造条件。

8.如权利要求6所述的故障诊断系统，其特征在于，所述Bayes算法建模单元，采用copula关联函数改进的Bayes算法建立风力发电系统故障诊断模型。