[发明专利]一种风力发电机主轴承温度异常预警方法

权利要求书

1.一种风力发电机主轴承温度异常预警方法，其特征在于：所述风力发电机主轴承温度异常预警方法包括如下步骤：

(1)对风机SCADA采集的数据处理，并将这些数据存储到设定的数据库中；

(2)传入待测风机的数据，并初始化高斯分布的模型参数；

(3)通过循环计算，根据贝叶斯定理计算故障系数的后验概率；

(4)通过循环计算，求得新的均值向量、新的协方差矩阵及新的高斯混合系数；

(5)通过判别条件判定所求的结果是否满足计算停止条件；

(6)更新聚类划分类别，对故障样本进行标记，并输出最终的预警结果。

2.根据权利要求1所述的一种风力发电机主轴承温度异常预警方法，其特征在于：所述步骤(1)中采集某风机的历史运行数据，通过聚合算法，将秒级的数据聚合为分钟级数据，这样有利于数据的处理并优化存储空间，对于聚合后的数据，通过时间及风速进行可视化输出，利用运行人员的经验判别无效数据，并将无效数据剔除，根据处理后的数据设置SQL数据库并存储这些数据。

3.根据权利要求1所述的一种风力发电机主轴承温度异常预警方法，其特征在于：所述步骤(2)中的聚合算法是以相似性为基础，在一个聚类中的模式之间比不在同一聚类中的模式之间具有更多的相似性，SQL数据库是具有数据操纵和数据定义等多种功能的数据库语言。

4.根据权利要求1所述的一种风力发电机主轴承温度异常预警方法，其特征在于：所述步骤(2)中假设故障预警模型中，输入模型的样本的生成过程由高斯混合和分布给出，对于给定一个具体的数据样本集合Ω＝{x₁,x₂…x₃}，高斯混合算法的描根据被选择的混合成分的概率密度进行采样，从而生成相应的样本。定义高斯混合分布：

其中，x代表数据样本Ω中的样本，μ_i和Σ_i是第i个高斯混合成分的参数，而α_i＞0为相应的混合系数，且根据贝叶斯定理，z_j的后验分布对应于：

当高斯混合分布已知时，高斯混合聚类把样本集Ω划分为k个簇C＝{C₁,C₂…C₃}，每个样本x_j的簇标记λ_j由第三步确定。

5.根据权利要求1所述的一种风力发电机主轴承温度异常预警方法，其特征在于：所述步骤(3)中的根据贝叶斯定理计算故障系数的后验概率：

其中，γ_ji为后验概率，从原型聚类的角度看，高斯混合聚类是采用概率模型对原型进行刻画，簇划分则由原型对应后验概率确定。

6.根据权利要求1所述的一种风力发电机主轴承温度异常预警方法，其特征在于：所述步骤(3)中高斯混合聚类算法采用极大似然估计，最大化似然函数，通常采用EM算法进行迭代优化求解，通过迭代优化来求得每个所属于的每个后验概率。EM算法的大致迭代过程为：每部迭代中，先根据当前参数计算每个样本属于高斯成分的后验概率(E步)，该根据最大化似然函数的推导公司更新模型参数(M步)。

7.根据权利要求1所述的一种风力发电机主轴承温度异常预警方法，其特征在于：所述步骤(4)中根据第三步中的模型，以及输入模型中的风机数据，设计循环迭代算法，以计算得到新的均值向量、新的协方差矩阵及新的高斯混合系数。

8.根据权利要求1所述的一种风力发电机主轴承温度异常预警方法，其特征在于：所述步骤(5)中判定聚类的故障数据与温度异常数据的匹配程度，如果满足差异裕度，则停止计算。

9.根据权利要求8所述的一种风力发电机主轴承温度异常预警方法，其特征在于：所述步骤(5)的差异裕度即相位裕，在电路设计中是非常重要的一个指标，主要用来衡量负反馈系统的稳定性，并能用来预测闭环系统阶跃响应的过冲，相位裕度越大，系统越稳定。

10.根据权利要求1所述的一种风力发电机主轴承温度异常预警方法，其特征在于：所述步骤(6)中对风机的限功率等功率下降工况进行标记，对故障样本进行标记，并输出最终的预警结果。