申请/专利权人：华能陈巴尔虎旗风力发电有限公司;中国华能集团清洁能源技术研究院有限公司

申请日：2023-05-19

公开（公告）日：2023-09-12

公开（公告）号：CN116738308A

主分类号：G06F18/241

分类号：G06F18/241;G06F18/214;G06N3/006;G06Q50/06;F03D17/00

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.09.29#实质审查的生效;2023.09.12#公开

摘要：本发明公开了一种基于WOA‑KELM算法的风电机组故障诊断方法及系统，包括：获取m种风电机组故障特征类型；并选取前n条频次最高的停机记录作为故障停机样本；划分训练集、验证集和测试集并进行数据归一化处理；基于数据归一化处理后的训练集和验证集，采用WOA‑KELM算法构建风机故障诊断模型；基于拉普拉斯分数对故障停机样本进行评分并排序；获取最优的输入特征个数及最优化的风机故障诊断模型；基于测试集和最优化的风机故障诊断模型，获取风电机组故障部位正确分类的预测结果。本发明通过风电机组不同部位的早期故障诊断识别，降低设备停机风险和安全隐患。同时能够快速识别故障部位类别，减少风电机组故障停机时间。

主权项：1.基于WOA-KELM算法的风电机组故障诊断方法，其特征在于，包括：采集风电机组SCADA运行台账数据；基于风电机组运行台账的故障停机记录，获取m种风电机组故障特征类型；将每种风电机组故障特征类型中的停机数据进行排序，选取前n条频次最高的停机记录作为故障停机样本；将故障停机样本进行划分，获取训练集、验证集和测试集；并对训练集、验证集和测试集数据进行数据归一化处理；基于数据归一化处理后的训练集和验证集，采用WOA-KELM算法构建风机故障诊断模型；基于拉普拉斯分数对故障停机样本进行评分并排序；按照排序结果计算不同输入特征个数下的模型诊断准确率，获取最优的输入特征个数及最优化的风机故障诊断模型；基于测试集和最优化的风机故障诊断模型，评估模型故障诊断的误差性，获取风电机组故障部位正确分类的预测结果。

全文数据：

权利要求：

百度查询： 华能陈巴尔虎旗风力发电有限公司;中国华能集团清洁能源技术研究院有限公司 基于WOA-KELM算法的风电机组故障诊断方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD