[发明专利]一种风电机组塔筒姿态预测方法及系统

说明书

本发明公开了一种风电机组塔筒姿态预测方法及系统。该方法包括：获取风机塔筒姿态多元时间序列数据；利用改进C‑C方法对多元时间序列数据进行相空间重构；对于相空间重构后的多元时间序列数据，构建多个对应的初始预测模型；所述初始预测模型为支持向量回归机模型；采用序贯最小方法优化各所述初始预测模型；基于相空间重构后的多元时间序列数据对各优化后的预测模型进行训练；通过各训练后的预测模型对风机塔筒姿态进行预测。本发明利用相空间重构方法对时间序列进行了处理，并建立了加权SVR预测模型，即采用序贯最小方法优化各支持向量回归机模型，同时对其停机准则和模型参数进行了优化；从而使其能够更加准确的预测风机塔筒的姿态，实现故障的预测。

技术领域

本发明涉及风电机组故障预测领域，特别是涉及一种风电机组塔筒姿态预测预测方法及系统。

背景技术

随着科学技术的迅猛发展，现代工程系统变得越来越复杂，承担的角色也越来越重要。复杂系统一般工作在环境比较恶劣的情况下，由于该系统在提高性能的同时也增加了影响系统正常工作的不确定因素，因此系统发生故障或失效的潜在可能性大大增加。某一部件的微小故障常常会引起整个系统的性能逐渐下降，关键部件的故障甚至会导致系统不能正常运行乃至瘫痪。很多灾难性事故都是由微小故障引发的，并且造成了巨大的财产损失、人员伤亡和社会影响。为保证复杂系统在运行过程中不出现致命性故障，对各分系统、子系统的可靠性、安全性要求极高。单靠提高元器件、组部件的可靠性来提高整个系统的可靠性已难以满足复杂系统对可靠性的要求，因此故障诊断与容错控制技术成为提高复杂系统可靠性、安全性的重要技术。

风电机组装转台在线监测系统是一类具有复杂特性的闭环系统，通常存在数据匮乏、预测模型难以建立、不确定性严重等问题，因此，对此类系统进行故障预测也存在很多困难，如怎样建立预测模型、如何制定预测机制、怎样保证预测精确性和实时性等，这些都需要经过长期深入的分析和探讨。总而言之，对故障预测理论与方法的研究是必行之路，具有普遍意义，其理论研究和实际应用的成果会给对可靠性、安全性要求极高的复杂系统带来无穷受益，也可将其研究成果推广应用到各个国民经济领域中，比如运载火箭、空间站、卫星、载人飞船和其他复杂工业系统等，具有广阔的应用前景。

发明内容

本发明的目的是提供一种风电机组塔筒姿态预测方法及系统，用以对风机塔筒的姿态进行准确性和实时性的预测，从而实现故障的预测。

为实现上述目的，本发明提供了如下方案：

一种风电机组塔筒姿态预测方法，包括：

获取风机塔筒姿态多元时间序列数据；

利用改进C-C方法对所述多元时间序列数据进行相空间重构；

对于相空间重构后的多元时间序列数据，构建多个对应的初始预测模型；所述初始预测模型为支持向量回归机模型；

采用序贯最小方法优化各所述初始预测模型；

基于相空间重构后的多元时间序列数据对各优化后的预测模型进行训练；

通过各训练后的预测模型对风机塔筒姿态进行预测。

进一步地，所述多元时间序列数据包括风机塔筒沿x轴、y轴、z轴的角速率以及风机塔筒沿x轴、y轴、z轴的倾斜角。

进一步地，在利用改进C-C方法对所述多元时间序列数据进行相空间重构，之前还包括：

对多元时间序列数据进行归一化处理。

进一步地，所述支持向量回归机模型的核函数为径向基函数。

进一步地，所述基于相空间重构后的多元时间序列数据对各优化后的预测模型进行训练，具体包括：

将相空间重构后的多元时间序列数据输入至各优化后的预测模型，得到输出数据；