[发明专利]一种发电机信号的智能诊断方法

权利要求书

1.一种发电机信号的智能诊断方法，其特征在于，包括：

从发电机控制系统的电力数据库中的数据接口中获取分布式的发电机信号，通过一划分模块将分布式的发电机信号中划分出慢变信号通过预设的第一策略对所述慢変信号进行处理得到慢变信号处理结果；以及

输出所述慢变信号处理结果；

所述慢变信号包括温度信号和电流信号。

2.根据权利要求1所述的一种发电机信号的智能诊断方法，其特征在于，

所述第一策略包括通过第一训练样本训练慢变信号预测模型、通过第二训练样本训练所述慢变信号故障诊断模型并包括以下步骤，

实时获取一慢变信号，根据所述慢变信号预测模型对所述慢变信号进行预测得到慢变信号预测数据；

配置第一预设数据范围以及第一预设时间，判断所述慢变信号预测数据是否超出第一预设数据范围持续超过第一预设时间，并在所述慢変信号预测数据超出所述第一预设数据范围并持续超过所述第一预设时间时将所述慢変信号输入到所述慢変信号故障诊断模型中；以及

采用所述慢変信号故障针对模型对所述慢変信号进行处理以得到一慢变信号健康数据并输出；

所述慢变信号处理结果包括所述慢变信号的健康数据，所述健康数据包括所述慢変信号的健康状态信息，所述健康状态信息包括健康状态、亚健康状态以及故障状态三种状态。

3.根据权利要求1所述的一种发电机信号的智能诊断方法，其特征在于，对所述慢变信号预测模型训练的具体步骤包括：

从发电机控制系统的电力数据库中获取慢变信号历史数据，随后处理慢变信号历史数据得到所述第一训练样本；

对所述第一训练样本中的数据通过预设分析方法进行降维，以使特征维数最优；以及

将降维后的所述第一训练样本通过预置的训练算法进行训练以训练得到所述慢变信号预测模型。

4.根据权利要求3所述的一种发电机信号的智能诊断方法，其特征在于，在处理所述慢変信号历史数据得到所述第一训练样本的过程中，还包括剔除所述第一训练样本中的数据的异常特征点的步骤。

5.根据权利要求3所述的一种发电机信号的智能诊断方法，其特征在于，所述预设分析方法包括：

主成分分析法和/或独立成分分析法和/或非负矩阵分解法和/或最大相关最小冗余法中。

6.根据权利要求3所述的一种发电机信号的智能诊断方法，其特征在于，所述预置的训练算法包括：

BP神经网络法或支持向量机法或深度置信网络法。

7.根据权利要求2所述的一种发电机信号的智能诊断方法，其特征在于，

将所述第二训练样本送入训练完成的所述慢变信号预测模型中并输出对应的慢变信号预测训练数据。