[发明专利]一种叶片故障诊断方法、存储介质和诊断装置

说明书

本发明公开了一种叶片故障诊断方法、存储介质和诊断装置，属于风力发电技术领域。该方法具体步骤为：测量风电机组运行状况下的发电机的定子电流；利用多重信号分类法MUS I C对定子电流进行处理得到风电机组运行状况下特征值；将风电机组运行状态下特征值与理论特征值进行比较和判断，得到风电机组叶片故障诊断结果。本发明不需要安装额外的传感器和数据采集设备、简单易行、诊断成本低。

技术领域

本发明涉及风力发电技术领域，具体涉及一种叶片故障诊断方法、存储介质和诊断装置。

背景技术

基于电信号的风力发电机电气故障诊断方法已得到了广泛应用。考虑到风力发电机的故障耦合调制，某些机械故障问题也会被调制到发电机的电信号上，引起电信号的变化，故电信号也可用于风力发电机的机械结构的缺陷检测。由于仅需通过分析现有采集到的电信号实现对风电机组的状态监测，该方法具有成本上的优势。如文献CN102954857A提出一种基于电流信号的叶轮故障识别方法，该方法对定子电流进行Park变换后求模平方的办法来提取故障特征信号，但由于Park变换而引入平方算子，增加了一个干扰项，即叶轮转动导致的二倍频信号，因此提出一种叶片故障诊断方法、存储介质和诊断装置。

发明内容

针对现有技术的不足，本发明提出了一种叶片故障诊断方法、存储介质和诊断装置。

本发明的目的可以通过以下技术方案实现：

通过安装在风电机组上的电流传感器和数据采集设备采集风电机组运行状况下发电机的定子电流信号，然后利用多重信号分类法MUSIC对定子电流进行处理，提取风电机组运行状态下的故障特征值，再将风电机组运行状态下提取的故障特征值与风电机组理论特征值进行对比，得到风电机组叶片不平衡故障的诊断结果。

所述的MUSIC算法处理定子电流信号的步骤为：

①构建定子电流信号的自相关矩阵

采集的风力发电机组定子电流信号可以表示为一系列分量的组合

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。w个分量的幅值和频率为代求量，对于实测的(M+1)维定子电流信号矢量y(t)，存在

y_m(t)＝[y(0),y(1),....,y(M)]^T

e_i＝[1,e^jωi,e^j2ωi,...,e^jMωi]^T

由此构建(M+1)*(M+1)维相关矩阵如下

②求自相关矩阵R_y(τ)的特征值和特征向量

对自相关矩阵R_y(τ)进行特征分解，得到它的各个特征值和相对应的特征向量，并按照降序重新排列，由此得到以下排列：

特征值：λ₁≥λ₂≥…≥λ_w≥λ_w+1≥…≥λ_M+1

特征向量：v₁，v₂，…v_w，v_w+1，v_w+2,…v_M+1

③求取信号子空间和噪声子空间