[发明专利]一种基于保偏光纤测量和神经网络分类的风力发电机故障诊断方法

说明书

本发明涉及一种基于保偏光纤测量和神经网络分类的风力发电机故障诊断方法，引入保偏光纤测量系统获取风力发电机的电流信号，体积小、重量轻、绝缘结构简单、动态范围大、无磁饱和、无爆炸危险、不影响正常输电，可在风力发电机的实际使用过程中直接进行诊断信号测量；并且在具体故障诊断过程中，通过含递归神经网络的卷积神经网络，小波计算和频域计算,获取偏振角度时序的三类特征，并采用单隐含层神经网络实现状态识别。偏振角度可反映电流时序，进而反映风力发电机定子和转子故障，本方法能够提供更丰富的风力发电机故障信息。

技术领域

本发明涉及一种基于保偏光纤测量和神经网络分类的风力发电机故障诊断方法，属于风力发电机技术领域。

背景技术

为解决能源枯竭和大气环境污染问题，风力发电作为清洁能源的一种，正在大面积商业化推进中，数量庞大全天候运行的风力发电机的长期维护成为关注的焦点，传统故障诊断技术获取得信号主要方式包括：采用MEMS加速度计传感器拾取机械振动信号，采用麦克风拾取声学信号，断开负载后采用电流计拾取电流信号。其中，机械振动信号拾取需要加装设备，常常受到设备生产商的抵制。声学信号拾取方式缺乏电机定子、转子诊断信息，电流信号需要断开负载会影响风力发电机组正常工作，在大型风力发电设备运用中存在实际应用困难。另一方面，故障信号的特征抽取大多基于频域信息，传统的信号处理方法虽然便捷，但可能忽略了隐含在波形时域等方面的故障信息，导致故障诊断或状态识别信息不充分。

发明内容

本发明所要解决的技术问题是提供一种基于保偏光纤测量和神经网络分类的风力发电机故障诊断方法，采用全新设计，能够有效提高风力发电机故障诊断效率。

本发明为了解决上述技术问题采用以下技术方案：本发明设计了一种基于保偏光纤测量和神经网络分类的风力发电机故障诊断方法，包括如下步骤：

步骤A.针对风力发电机各指定类型故障工况，以及风力发电机正常工作工况，分别获得各个工况下缠绕在风力发电机电力传输线上保偏光纤测量的偏振角度时间序列；

步骤B.采用含时间递归神经网络隐含层的多层卷积神经网络，分别针对各个工况下风力发电机电力传输线上保偏光纤测量的偏振角度时间序列进行时序特征提取，分别获得最内层神经元计算结果，分别作为各个工况下风力发电机的第一类特征量；

采用EMD和小波包多层分解方法，分别针对各个工况下风力发电机电力传输线上保偏光纤测量的偏振角度时间序列进行处理，分别获得各个工况下分解结果中含低频信息和中高频信息的各层的均方根，分别作为各个工况下风力发电机的第二类特征量；并且分别针对各个工况下缠绕在风力发电机电力传输线上保偏光纤测量的偏振角度时间序列，将其中预设指定频段的幅值作为对应工况下风力发电机的第三类特征量，从而分别获得各个工况下风力发电机的第三类特征量；

步骤C.基于单隐含层的神经网络，结合各个工况下风力发电机的第一类特征量、第二类特征量、第三类特征量，分析获得风力发电机的当前工作状态。

作为本发明的一种优选技术方案：所述步骤A中，针对风力发电机各指定类型故障工况，以及风力发电机正常工作工况，通过缠绕在电力传输线上的电流传感器，分别获得各个工况下缠绕在风力发电机电力传输线上保偏光纤测量的偏振角度时间序列；其中，电流传感器中的光敏感单元为光电二极管；电流传感器包括光源、保偏光纤、第一保偏光纤耦合器、第二保偏光纤耦合器、光纤偏振器和光敏感单元，光源的输出端与光纤偏振器输入端相连，光纤偏振器输出端与第一保偏光纤耦合器输入端相连，第一保偏光纤耦合器输出端与保偏光纤的其中一端相连，保偏光纤绕设在电力传输线上，保偏光纤的另一端与第二保偏光纤耦合器的输入端相连，第二保偏光纤耦合器的输出端与光敏感单元相连。

作为本发明的一种优选技术方案：所述步骤A中，针对风力发电机各指定类型故障工况，以及风力发电机正常工作工况，通过电力传输线上多处位置缠绕设置的电流传感器，采用多点测量，求取平均值的方式，分别获得各个工况下缠绕在风力发电机电力传输线上保偏光纤测量的偏振角度时间序列。