【技术实现步骤摘要】
本专利技术涉及风电机组部件态势感知，尤其涉及一种基于多源数据的风电机组机械部件态势感知方法和装置。
技术介绍
1、随着能源需求的增长和环境保护意识的提高，风力发电作为一种清洁、可再生能源逐渐成为世界范围内的主要发电方式之一。然而，风力发电场面临着诸多挑战，如风电机组的异常运行、故障检测与定位等问题。为了提高风电机组的性能和可靠性，对风电机组的态势感知及预测成为了当今研究的焦点。
2、传统上，风电机组的状态监测主要依赖于有限的传感器数据，如振动、温度等。然而，这些单一来源的数据往往无法全面准确地反映风电机组的真实状态。同时，由于风电场分布广泛，机组数量众多，传感器的安装和维护成本也相对较高。因此，如何利用多源数据进行风电机组机械部件的态势感知成为了迫切需要解决的问题。多源数据包括但不限于风速、风向、温度、湿度、功率输出等信息，这些数据可以通过气象站、传感器网络等多种途径获取。利用这些数据，可以获得更全面、准确的风电机组状态信息，从而实现对机组的精确监测和故障预测。
3、在当前的研究中，虽然已经有一些基于多源数据的电网运行状态评估方法被提出，但对于风电机组机械部件的方法仍然较少。
技术实现思路
1、有鉴于此，本专利技术提供一种基于多源数据的风电机组机械部件态势感知方法和装置，以解决上述提及的至少一个问题。
2、为了实现上述目的，本专利技术采用以下方案：
3、根据本专利技术的第一方面，提供一种基于多源数据的风电机组机械部件态势感知方法，所述
4、作为本专利技术的一个实施例，上述方法中态势感知环境参量包括风电机组的振动信号、功率输出信号、温度信号及湿度信号。
5、作为本专利技术的一个实施例，上述方法中对所述态势感知环境参量进行预处理包括：利用短时傅里叶变换对所述振动信号进行转换；将转换后的振动信号、所述功率输出信号、所述温度信号及所述湿度信号进行归一化处理；将归一化处理后的振动信号和功率输出信号组成第一信息矩阵；将归一化处理后的温度信号和湿度信号组成第二信息矩阵。
6、作为本专利技术的一个实施例，上述方法中将预处理后的态势感知环境参量进行特征提取与融合获得多源信息融合矩阵包括：提取所述第一信息矩阵的局部特征；在所述局部特征的基础上引入全局信息融合策略得到待融合的第一特征矩阵；基于gru网络提取所述第二信息矩阵的特征信息得到第二特征矩阵；通过全连接层将所述第一特征矩阵和所述第二特征矩阵进行融合，得到多源信息融合矩阵。
7、作为本专利技术的一个实施例，上述方法中态势感知模型在训练时通过设置一个映射函数将不同采集源的数据映射至一个共享的特征空间。
8、作为本专利技术的一个实施例，上述方法中态势感知模型在训练过程中所选用的损失函数如下：
9、
10、上式中，zi(y)是风机机械部件状态y由映射器得出的优势分数，是多源数据融合矩阵中向量ui属于风机机械部件状态y的预测概率。
11、根据本专利技术的第二方面，提供一种基于多源数据的风电机组机械部件态势感知装置，所述装置包括：环境参量获取单元，用于基于风电机组机械部件的损坏情况及影响因素确定并获取态势感知环境参量；预处理单元，用于对所述态势感知环境参量进行预处理；特征融合单元，用于将预处理后的态势感知环境参量进行特征提取与融合获得多源信息融合矩阵；态势感知单元，用于将所述多源信息融合矩阵作为态势感知模型的输入，利用所述态势感知模型输出进行风电机组机械部件态势识别。
12、作为本专利技术的一个实施例，上述装置中态势感知环境参量包括风电机组的振动信号、功率输出信号、温度信号及湿度信号。
13、作为本专利技术的一个实施例，上述装置中预处理单元包括：转换模块，用于利用短时傅里叶变换对所述振动信号进行转换；归一化模块，用于将转换后的振动信号、所述功率输出信号、所述温度信号及所述湿度信号进行归一化处理；第一矩阵组成模块，用于将归一化处理后的振动信号和功率输出信号组成第一信息矩阵；第二矩阵组成模块，将归一化处理后的温度信号和湿度信号组成第二信息矩阵。
14、作为本专利技术的一个实施例，上述装置中特征融合单元包括：局部特征提取模块，用于提取所述第一信息矩阵的局部特征；第一特征矩阵获取模块，用于在所述局部特征的基础上引入全局信息融合策略得到待融合的第一特征矩阵；第二特征矩阵获取模块，用于基于gru网络提取所述第二信息矩阵的特征信息得到第二特征矩阵；特征融合模块，用于通过全连接层将所述第一特征矩阵和所述第二特征矩阵进行融合，得到多源信息融合矩阵。
15、作为本专利技术的一个实施例，上述装置中态势感知模型在训练时通过设置一个映射函数将不同采集源的数据映射至一个共享的特征空间。
16、作为本专利技术的一个实施例，上述装置中态势感知模型在训练过程中所选用的损失函数如下：
17、
18、上式中，zi(y)是风机机械部件状态y由映射器得出的优势分数，是多源数据融合矩阵中向量ui属于风机机械部件状态y的预测概率。
19、根据本专利技术的第三方面，提供一种电子设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，处理器执行所述计算机程序时实现上述方法的步骤。
20、根据本专利技术的第四方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述方法的步骤。
21、本专利技术所提出的基于多源数据的风电机组机械部件态势感知方法和装置，通过布置多个多种传感器采集主轴系统的振动信号、输出功率、温度、湿度，对采集到的信号进行特征提取及融合，提高了风电机组机械部件态势感知的可靠性。另外本专利技术中结合态势感知理论，对多源信息矩阵进行处理，先将输入数据通过映射器进行一次函数映射，使输入数据处于同一共享特征空间，实现多传感器信息多模式融合，进一步提高感知的准确性。
本文档来自技高网...【技术保护点】
1.一种基于多源数据的风电机组机械部件态势感知方法，其特征在于，所述方法包括：
2.如权利要求1所述的基于多源数据的风电机组机械部件态势感知方法，其特征在于，所述态势感知环境参量包括风电机组的振动信号、功率输出信号、温度信号及湿度信号。
3.如权利要求2所述的基于多源数据的风电机组机械部件态势感知方法，其特征在于，所述的对所述态势感知环境参量进行预处理包括：
4.如权利要求3所述的基于多源数据的风电机组机械部件态势感知方法，其特征在于，所述的将预处理后的态势感知环境参量进行特征提取与融合获得多源信息融合矩阵包括：
5.如权利要求1所述的基于多源数据的风电机组机械部件态势感知方法，其特征在于，所述态势感知模型在训练时通过设置一个映射函数将不同采集源的数据映射至一个共享的特征空间。
6.如权利要求1所述的基于多源数据的风电机组机械部件态势感知方法，其特征在于，所述态势感知模型在训练过程中所选用的损失函数如下：
7.一种基于多源数据的风电机组机械部件态势感知装置，其特征在于，所述装置包括：
8.如权利要
9.如权利要求8所述的基于多源数据的风电机组机械部件态势感知装置，其特征在于，所述预处理单元包括：
10.如权利要求9所述的基于多源数据的风电机组机械部件态势感知装置，其特征在于，所述特征融合单元包括：
11.如权利要求7所述的基于多源数据的风电机组机械部件态势感知装置，其特征在于，所述态势感知模型在训练时通过设置一个映射函数将不同采集源的数据映射至一个共享的特征空间。
12.如权利要求7所述的基于多源数据的风电机组机械部件态势感知装置，其特征在于，所述态势感知模型在训练过程中所选用的损失函数如下：
13.一种电子设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6任一项所述方法的步骤。
14.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6任一项所述方法的步骤。
...【技术特征摘要】
1.一种基于多源数据的风电机组机械部件态势感知方法，其特征在于，所述方法包括：
2.如权利要求1所述的基于多源数据的风电机组机械部件态势感知方法，其特征在于，所述态势感知环境参量包括风电机组的振动信号、功率输出信号、温度信号及湿度信号。
3.如权利要求2所述的基于多源数据的风电机组机械部件态势感知方法，其特征在于，所述的对所述态势感知环境参量进行预处理包括：
4.如权利要求3所述的基于多源数据的风电机组机械部件态势感知方法，其特征在于，所述的将预处理后的态势感知环境参量进行特征提取与融合获得多源信息融合矩阵包括：
5.如权利要求1所述的基于多源数据的风电机组机械部件态势感知方法，其特征在于，所述态势感知模型在训练时通过设置一个映射函数将不同采集源的数据映射至一个共享的特征空间。
6.如权利要求1所述的基于多源数据的风电机组机械部件态势感知方法，其特征在于，所述态势感知模型在训练过程中所选用的损失函数如下：
7.一种基于多源数据的风电机组机械部件态势感知装置，其特征在于，所述装置包括：
8.如权利要求7所述的基于多源数据...
【专利技术属性】
技术研发人员：杨伟新，张扬帆，赵洪山，吴林林，刘辉，徐海翔，王耀函，丁然，田云峰，林诗雨，梁恺，张绣梅，邓兴睿，
申请(专利权)人：国网冀北电力有限公司电力科学研究院，
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。