[发明专利]基于大数据分析的风力发电机健康监测系统

权利要求书

1.基于大数据分析的风力发电机健康监测系统，其特征在于：该系统包括五个模块，分别是：特征提取模块、故障分类模块、黑色粉末规则库、大数据分析平台和系统接口模块；

具体模块内容如下：

特征提取模块采用基于EMD和数据分箱的故障诊断方法，先通过EMD算法分解得到IMF信号，提取其幅域参数持征作为特征向量；

故障分类模块采用SVM进行故障分离，SVM模型建立；

黑色粉末规则库运用大数据分析的方法从多角度进行相关性分析；推导黑色粉末相关的规则建立规则库，用于黑色粉末现象的预测，为风力发电机健康监测提供可靠依据；

大数据分析平台采用Spark分布式并行框架和Map Reduce编程模型建立；

系统接口模块用于数据采集和报表生成；

风力发电机健康监测的相关数据通过系统接口模块与特征提取模块连接，故障分类模块对特征提取模块提取的相关参量进行分类并通过黑色粉末规则库发送至大数据分析平台中；

大数据分析平台包括：设备管理模块、风场管理模块、指标管理模块、统计分析模块、规则库模块以及系统设置模块六部分；

大数据分析平台由两台互备的应用/数据库服务器、一台web服务器、若干采集服务器和一台GIS服务器分布式部署构成，设备互联通过两台组网交换机完成，应用数据库服务器通过两台光纤交换机接入磁盘阵列和磁带库；大数据分析平台与互联网间有两台防火墙，实现网络安全策略；系统采集模块部署在风力发电机上，通过网络接入互联网，接入大数据分析平台；监控终端通过互联网连接到防火墙访问大数据分析平台；

大数据分析平台的所有功能通过B/S结构进行提供服务。

2.根据权利要求1所述的基于大数据分析的风力发电机健康监测系统，其特征在于：特征提取模块中，

将采用基于EMD和数据分箱的故障诊断方法，先通过EMD算法分解得到IMF信号，提取其幅域参数持征作为特征向量；

基于EMD分解和数据分箱的特征提取算法，首先对部署在风力发电机上的系统采集模块的原始信号经过去噪处理，然后进行经验模态分解EM，得到IMF信号；选取前H层MF信号，分别提取均值、均方根值、标准差、RMSE四个特征组成风力发电机的特征向量矩阵；对特征向量矩阵运用数据分箱方法平滑异常点，输入支持向量机SVM进行分类准确率验证。

3.根据权利要求1所述的基于大数据分析的风力发电机健康监测系统，其特征在于：故障分类模块中，

采用SVM进行故障分离，SVM模型建立；

SVM训练过程：选择多次方的多项式核函数，将训练样本映射到高维特征空间；利用SVM在样本特征空间中找出各类别特征样本与其他特征样本的最优分类超平面，得到代表各样本特征的支持向量集及其相应的VC可信度，形成判断各特征类别的判别函数；

SVM判决过程：将待分类像元通过核函数作用映射到特征空间中，作为判别函数的输入，利用分类判决函数得出二类可分的结果；

核函数的作用是将影像各像元，转换输入到各训练样本转换的支持向量集及VC可信度形成的判别函数中，进行分类。

4.根据权利要求1所述的基于大数据分析的风力发电机健康监测系统，其特征在于：黑色粉末规则库中，

运用大数据分析的方法从多角度进行了相关性研究分析；推导黑色粉末相关的规则建立规则库，用于黑色粉末现象的预测，为风力发电机的健康监测提供可靠依据。