【技术实现步骤摘要】
本公开实施例涉及电力系统安全，具体涉及一种基于非线性降维技术的风力发电机主传动系统故障预警方法、系统、设备及存储介质。
技术介绍
1、当前风电机组的主传动系统是一个多部件耦合系统，其运行状态复杂多变。包括叶片、轮毂、轴、轴承、齿轮箱和发电机在内的主传动系统在能量传输中起着重要作用，其安全性和可靠性是保证风电机组正常运行的关键。为解决风电机组运行中的安全和管理问题，大多数风电场都为风机机组配备了scada(supervisory control and dataacquisition，即数据采集与监视控制)系统。scada系统主要提供实时监控、事件报警、故障报告输出。但当下各风电场缺乏对历史数据的挖掘和分析。传统的故障维修和例行维修都是通过定期维修方式，在应对不断变化的工况方面存在严重缺陷。他们不能有效地充分利用故障诊断和预测数据。维护的及时性和有效性低，智能化程度不够。
技术实现思路
1、本公开实施例提供一种风力发电机故障预警方法、系统、设备及存储介质，以解决或缓解现有技术中的以上一个或多个技术问题。
2、根据本公开的一个方面，提供一种风力发电机故障预警方法，包括：
3、获取同一类型风机的运行历史测点数据；
4、通过离散小波变换去除所述运行历史测点数据中的噪点数据，形成滤波数据；
5、采用kpca对所述滤波数据进行降维处理，形成降维数据；
6、采用核密度估计法处理所述降维数据，得到概率密度函数；
7、根据所述概
8、根据所述置信区间设定故障预警阈值；
9、对风机运行实时数据进行离散小波变换和kpca降维处理，形成运行指标；
10、将所述运行指标与所述故障预警阈值进行对比，判断风机是否故障。
11、在一种可能的实现方式中，获取同一类型风机的运行历史测点数据包括：
12、从风电场scada历史数据库中获取同一类型风机的运行历史测点数据。
13、在一种可能的实现方式中，通过离散小波变换去除所述运行历史测点数据中的噪点数据，形成滤波数据包括：
14、对原始信号进行小波分解，设定分解层数及小波函数，根据mallat算法得到各尺度小波系数wjk，其中，j为小波分解层数，k为平移参数；
15、对信号进行阈值处理，获得处理后的小波系数w’jk，若小波系数wjk的绝对值小于固定阈值，则令小波系数wjk的绝对值为零，否则，令小波系数wjk的绝对值减去固定阈值：
16、
17、式中，λ为固定阈值；
18、固定阈值λ通过sqtwolog规则得到：
19、
20、式中，n为总历史数据个数；
21、根据处理后的小波系数w’jk，通过小波逆变换对信号进行重构，得到去噪后的有效信号。
22、在一种可能的实现方式中，采用kpca对所述滤波数据进行降维处理，形成降维数据包括：
23、将滤波数据表示为矩阵x：
24、
25、式中，x每一列为一个样本，每个样本有i个属性，共有j个样本；
26、对矩阵x进行标准化处理：
27、
28、式中，zab表示对具有a个属性的第b个样本进行标准化处理后的值，xab表示具有a个属性的第b个样本，μb表示每行数据均值，σb表示每行数据标准差，
29、标准化处理后数据矩阵记作z：
30、
31、式中，z每一列为一个样本，每个样本有i个属性，共有j个样本；
32、通过核函数将矩阵z映射得到一个高维空间：
33、
34、计算的协方差矩阵，计算特征值和特征向量：
35、
36、式中，λ1为特征值，wl为特征向量；
37、将高位特征空间的投影向量使用高维样本点线性表示：
38、
39、
40、
41、式中，k为核矩阵，α为核矩阵k的特征向量；
42、核矩阵k的计算公式为：
43、
44、式中，z(j)表示第j列的列向量，k表示元素；
45、计算核矩阵k的特征值和特征向量，将特征值最大的特征向量组成投影矩阵p，将输入数据集进行投影，通过计算投影矩阵p与输入数据集之间的矩阵乘法，得到降维后的一维数据集。
46、在一种可能的实现方式中，根据所述概率密度函数获得置信区间包括：
47、将所述降维后的一维数据集记为样本序列x1＝{x1,x2,…,xn}，计算核密度估计函数为：
48、
49、式中，k′为核函数，n为样本个数，h为带宽宽度，h＝1.06σn-0.2，σ为样本标准差；
50、计算置信区间α：
51、
52、式中，x1表示一维数据集，x表示一维数据集内元素。
53、在一种可能的实现方式中，将所述运行指标与所述故障预警阈值进行对比，判断风机是否故障包括：
54、当风机运行时，运行指标维持在故障预警阈值内，则报告风机处于正常工作状态；
55、当运行指标超过故障预警阈值，则发布故障预警。
56、根据本公开的一个方面，提供一种风力发电机故障预警系统，包括：获取单元，用于获取同一类型风机的运行历史测点数据；
57、过滤单元，用于通过离散小波变换去除所述运行历史测点数据中的噪点数据，形成滤波数据；
58、降维单元，用于采用kpca对所述滤波数据进行降维处理，形成降维数据；
59、处理单元，用于采用核密度估计法处理所述降维数据，得到概率密度函数；
60、计算单元，用于根据所述概率密度函数获得置信区间；
61、设定单元，用于根据所述置信区间设定故障预警阈值；
62、形成单元，对风机运行实时数据进行离散小波变换和kpca降维处理，形成运行指标；
63、判断单元，用于将所述运行指标与所述故障预警阈值进行对比，判断风机是否故障。
64、在一种可能的实现方式中，所述获取单元用于：
65、从风电场scada历史数据库中获取同一类型风机的运行历史测点数据。
66、在一种可能的实现方式中，所述过滤单元用于：
67、对原始信号进行小波分解，设定分解层数及小波函数，根据mallat算法得到各尺度小波系数wjk，其中，j为小波分解层数，k为平移参数；
68、对信号进行阈值处理，获得处理后的小波系数w’jk，若小波系数wjk的绝对值小于固定阈值，则令小波系数wjk的绝对值为零，否则，令小波系数wjk的绝对值减去固定阈值：
69、
70、式中，λ为固定阈值；
71、固定阈值λ通过sqtwolog规则得到：
本文档来自技高网...
【技术保护点】
1.一种风力发电机故障预警方法，其特征在于，包括：
2.根据权利要求1所述的风力发电机故障预警方法，其特征在于，获取同一类型风机的运行历史测点数据包括：
3.根据权利要求1或2所述的风力发电机故障预警方法，其特征在于，通过离散小波变换去除所述运行历史测点数据中的噪点数据，形成滤波数据包括：
4.根据权利要求3所述的风力发电机故障预警方法，其特征在于，采用KPCA对所述滤波数据进行降维处理，形成降维数据包括：
5.根据权利要求4所述的风力发电机故障预警方法，其特征在于，根据所述概率密度函数获得置信区间包括：
6.根据权利要求5所述的风力发电机故障预警方法，其特征在于，将所述运行指标与所述故障预警阈值进行对比，判断风机是否故障包括：
7.一种风力发电机故障预警系统，其特征在于，包括：
8.根据权利要求7所述的风力发电机故障预警系统，其特征在于，所述获取单元用于：
9.根据权利要求7或8所述的风力发电机故障预警系统，其特征在于，所述过滤单元用于：
10.根据权利要求9所述的风力发
11.根据权利要求10所述的风力发电机故障预警系统，其特征在于，所述计算单元用于：
12.根据权利要求11所述的风力发电机故障预警系统，其特征在于，判断单元用于：
13.一种风力发电机故障预警设备，其特征在于，包括：
14.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序，当所述计算机程序被处理器执行时，使得所述处理器能够执行权利要求1至6任一项所述的风力发电机故障预警方法。
...【技术特征摘要】
1.一种风力发电机故障预警方法，其特征在于，包括：
2.根据权利要求1所述的风力发电机故障预警方法，其特征在于，获取同一类型风机的运行历史测点数据包括：
3.根据权利要求1或2所述的风力发电机故障预警方法，其特征在于，通过离散小波变换去除所述运行历史测点数据中的噪点数据，形成滤波数据包括：
4.根据权利要求3所述的风力发电机故障预警方法，其特征在于，采用kpca对所述滤波数据进行降维处理，形成降维数据包括：
5.根据权利要求4所述的风力发电机故障预警方法，其特征在于，根据所述概率密度函数获得置信区间包括：
6.根据权利要求5所述的风力发电机故障预警方法，其特征在于，将所述运行指标与所述故障预警阈值进行对比，判断风机是否故障包括：
7.一种风力发电机故障预警系统，其特征在...
【专利技术属性】
技术研发人员：谢世珩，华志刚，郭大亮，张萌，贺铮，窦志英，高彬，海圆圆，张宇涛，吕健，李得堂，
申请(专利权)人：中能融合智慧科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。