[发明专利]一种叶片故障诊断方法、存储介质和诊断装置

权利要求书

1.一种叶片故障诊断方法，其特征在于，包括以下步骤：

获取风电机组运行状况下发电机的定子电流信号；

通过MUSIC算法对定子电流信号进行处理，构建定子电流信号的自相关矩阵R_y1(τ)；

将自相关矩阵R_y1(τ)进行特征分解获取特征值λ和特征向量v；

根据特征值λ和特征向量v构建噪声子空间Ω₂^*；

记录所述噪声子空间Ω₂^*的峰值点对应数据，以对应数据作为故障特征值；

若故障特征值的幅值超过理论特征值的阀值则判定风电机组为叶片不平衡故障。

2.根据权利要求1所述的故障诊断方法，其特征在于，所述构建定子电流信号的自相关矩阵R_y1(τ)括以下步骤：

基于所述定子电流信号构建定子电流信号矢量y(t)的表达式：

式中：w表示分量的个数，A_i、ω_i和分别表示第i个分量的幅值、频率和初相角，q(t)是均值为零、方差为σ²的白噪声；

根据电流信号矢量y(t)构建(M+1)维定子电流信号矢量y_m(t)，其表达式包括：y_m(t)＝[y(0),y(1),....,y(M)]^T、e_i＝[1,e^jωi,e^j2ωi,...,e^jMωi]^T；

基于(M+1)维定子电流信号矢量y(t)构建(M+1)*(M+1)的自相关矩阵R_y1(τ)，表达式为：

3.根据权利要求1所述的故障诊断方法，其特征在于，所述根据特征值λ和特征向量v构建噪声子空间Ω₂^*包括以下步骤：

将前w个较大的特征值λ对应的特征向量v构成信号子空间Ω₁，剩余的其他特征向量v构成噪声子空间Ω₂，构建信号子空间Ω₁和噪声子空间Ω₂的自相关矩阵：

将信号子空间Ω₁中基波分量对应的特征向量v移除构成信号子空间Ω₁^*，并将移除的特征向量v添加到噪声子空间Ω₂中构成噪声子空间Ω₂^*；此时自相关矩阵和生成的新子空间如下：

4.根据权利要求1所述的故障诊断方法，其特征在于，所述理论特征值包括两个理论特征频率(f_e+f_m)和(f_e-f_m)，f_e为所述定子电流的基波频率，f_m为所述发电机的风轮一倍频信号。

5.根据权利要求4所述的故障诊断方法，其特征在于，满足故障特征值的幅值超过理论特征值的阀值且包括两个特征频率(f_e+f_m)和(f_e-f_m)，则判断风电机组为叶片不平衡故障；若仅满足故障特征值的幅值超过理论特征值的阀值，则判断风电机组为其他故障。

6.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有执行权利要求1至5任一所述的一种叶片故障诊断方法。

7.一种风电机组叶片故障诊断装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至5任一种叶片故障诊断方法。