[发明专利]一种基于动态网络标志的风电机组早期缺陷预警方法

摘要

本发明公开了一种基于动态网络标志的风电机组早期缺陷预警方法，其根据风电机组的拓扑图对风电机组状态变化的影响特性，结合支持向量回归和概率分布嵌入方案对风电机组实时运行数据进行处理，然后采用动态网络标志方法检测不同时段的动态网络标志量化值在机组状态转变前的动态变化，将机组各子系统与元件间复杂的交互耦合关联以及机组的临界状态特性综合考虑进机组状态评估过程中，对机组可能发生故障的时间点以及部位进行预警。本发明减少了大噪声对机组故障预测精度的影响，能够较准确地提前发现机组潜在故障的临界转折时间点以及定位跟踪故障可能发生的位置，最终实现全面把握机组发展变化的趋势。

主权项

一种基于动态网络标志的风电机组早期缺陷预警方法，其特征在于，所述方法包括以下步骤：S1：根据风电机组的拓扑图对影响风电机组状态变化的具有强交互耦合性的多变量进行确定，然后结合支持向量回归对各个变量的参照数据组和观测数据组进行选取，并使用概率分布嵌入方案对参照数据组和观测数据组的数据进行降噪处理，处理后得到新的参照数据序列和观测数据序列；S2：将步骤S1中降噪处理后的参照数据序列和观测数据序列分别分成n段，并将各个时间段内的参照数据序列和观测数据序列数据进行偏差对比后，分别选出各个时段内变化显著的变量进行相关性聚类，得出各时段内显著影响风电机组状态变化的若干个候选动态网络标志群，这里将动态网络标志群记为DNM群；S3：分别计算步骤S2中得到的各时段每个候选DNM群内变量的平均标准偏差Sd'、平均皮尔逊相关系数PCCin'及每个候选DNM群与其他候选DNM群内变量的平均皮尔逊系数PCCout'，判断各个候选DNM群的平均标准偏差Sd'、平均皮尔逊相关系数PCCin'及平均皮尔逊系数PCCout'是否同时满足风电机组状态转变前的三个临界特性，若符合则将该候选DNM群作为显著影响风电机组状态变化的主导DNM群；S4：分别计算步骤S3中主导DNM群在各时间段内的动态网络标志的量化值I，通过检测不同时段的动态网络标志的量化值在机组状态转变前的动态变化，对机组可能发生故障的时间点以及部位进行预警。