基于模糊分區(qū)的風電機組變槳系統(tǒng)故障預(yù)警識別方法

基本信息

申請?zhí)?/td> CN202010953736.6 申請日 -
公開（公告）號 CN112733279B 公開（公告）日 2022-05-03
申請公布號 CN112733279B 申請公布日 2022-05-03
分類號 G06F30/17（2020.01）I;G06F30/27（2020.01）I;G06Q10/04（2012.01）I;G06N3/04（2006.01）I;G06F113/06（2020.01）N 分類 計算；推算；計數(shù);
發(fā)明人 曹欣;譚建鑫;白日欣;崔愷;蘇偉;李雪松;尚一斐;王臻;王運方 申請（專利權(quán)）人 河北建投新能源有限公司
代理機構(gòu) 上海驍象知識產(chǎn)權(quán)代理有限公司 代理人 趙俊寅
地址 050006河北省石家莊市裕華西路9號裕園廣場A座
法律狀態(tài) -

摘要

摘要 基于模糊分區(qū)的風電機組變槳系統(tǒng)故障預(yù)警識別方法，基于梯形模糊分區(qū)理論，將風力等級分為四個模糊分區(qū)，也稱模糊集合F，并計算模糊集合F的隸屬度函數(shù)；將風電場SCADA得到的風速數(shù)據(jù)按照時間段進行風速等級模糊分區(qū)處理，確定各模糊分區(qū)處理，確定各模糊分區(qū)范圍，通過步驟1所述的隸屬度函數(shù)，得到各個分區(qū)的隸屬度值，用ε1表示；進行長短型記憶網(wǎng)絡(luò)深度學習算法分區(qū)預(yù)測，得到各個分區(qū)的預(yù)測值，用LSTM_out1表示，然后將各個分區(qū)的預(yù)測值LSTM_out1乘以該分區(qū)的隸屬度值ε1，再將所有分區(qū)εi*LSTM_outi的值相加，得到本風機啟動階段的變槳軸承軸速預(yù)測值。本發(fā)明克服了現(xiàn)有技術(shù)的不足，能夠?qū)崟r預(yù)警變槳機械故障隱患狀況，實現(xiàn)提前對設(shè)備故障隱患做出相應(yīng)分析判斷。