[发明专利]一种风电机组桨距系统故障识别方法

权利要求书

1.一种风电机组桨距系统故障识别方法，其特征在于，所述方法包括：

根据风电机组的桨距子系统的状态向量，建立桨距子系统的系统模型，并根据系统模型确定测量输出向量；

定义正多胞体O，并确定桨距子系统初始状态对应的正多胞体；

设计正多胞体卡尔曼滤波器对桨距子系统状态进行估计，并利用正多胞体对受未知干扰影响的状态集合进行描述；当桨距子系统发生故障时，采用贝叶斯理论和模型匹配方法实现故障识别过程。

2.根据权利要求1所述的方法，其特征在于，所述根据风电机组的桨距子系统的状态向量，建立桨距子系统的系统模型，包括：

建立式(1)所示的系统模型；

其中，β表示桨距角，β_a表示已知的桨速度，β_r表示桨距参考值，表示桨距角的状态变量，表示桨速度的状态变量，ω_n和ζ为已知的系统参数，分别表示桨距子系统的自然频率和阻尼系统。

3.根据权利要求2所述的方法，其特征在于，所述根据系统模型确定测量输出向量，包括：

将式(1)所示的桨距子系统的系统模型表示为连续的时间状态空间方程：

其中x＝[β β_a]^T，u＝β_r，v和w分别为过程干扰和测量噪声，设定采样时间T_s对系统离散化，得到：

其中分别表示桨距子系统在k时刻的状态，输入和测量输出向量，A,B,C,E,F分别为不同维度的参数矩阵，和分别为系统过程干扰和测量噪声，二者均有界；

根据式(3)所示的离散状态空间方程确定系统测量输出向量y。

4.根据权利要求3所述的方法，其特征在于，所述定义正多胞体O，并确定桨距子系统初始状态对应的正多胞体，包括：

定义正多胞体O为：

其中，分别表示正多胞体的中心、正多胞体中生成矩阵的对角线值和无穷范数小于1的向量；diag(d)表示对角值为d的对角阵；

设置桨距子系统的初始状态，测量噪声和过程干扰所在的正多胞体分别满足：

x(0)∈O(0,d₀)，w(k)∈O(0,d_w)，v(k)∈O(0,d_v) 式(5)

d₀为正多胞体O(0，d₀)中生成矩阵的对角线值，d_w为正多胞体O(0,d_w)中生成矩阵的对角线值，d_v为正多胞体O(0,d_v)中生成矩阵的对角线值。

5.根据权利要求4所述的方法，其特征在于，所述设计正多胞体卡尔曼滤波器对桨距子系统状态进行估计，并利用正多胞体对受未知干扰影响的状态集合进行描述，包括：

设计正多胞体卡尔曼滤波器形式如下：

则桨距子系统的估计状态可通过式(6)～(8)递归得到：

d(k)＝(A-G(k-1)C)d(k-1)+Ed_w(k-1)-G(k-1)Fd_v(k-1) 式(7)

6.根据权利要求5所述的方法，其特征在于，所述采用贝叶斯理论和模型匹配方法实现故障识别过程，包括：

根据式(9)计算桨距子系统估计状态和故障库中桨距子系统真实状态的误差；同时对满足式(9)的估计状态的个数进行计数，记为l_i(k)，i＝1，2，…，q；

其中，q为故障库中的故障类型的个数，θ_i,0为故障库中第i个故障类型的故障状态，ε为故障阈值，预定时间范围的时间长度为L，L为整数。