风机变桨系统异常诊断方法、装置及电子设备与流程

本发明涉及风力发电，尤其涉及一种风机变桨系统异常诊断方法、装置、及电子设备。

背景技术：

1、目前，风能已经成为最广泛使用的可再生能源之一。风电机组变桨系统通过及时调整叶片角度来获得最大风能，同时确保风轮机的安全运行。风电机组的风机变桨系统对于控制气动扭矩和捕获风电机组的气动功率至关重要，是风电机组安全和稳定运行的关键保障。由于，风机变桨系统运行环境恶劣和长期组件磨损，风机变桨系统可能会发生故障。相关技术中，仅通过风机变桨系统的监测信号的瞬时值进行诊断，很难发现变桨系统故障。

技术实现思路

1、本发明旨在至少在一定程度上解决相关技术中的技术问题之一。

2、为此，本发明的第一个目的在于提出一种风机变桨系统异常诊断方法，通过对多通道注意力机制和长短期记忆网络进行训练得到的风机变桨系统异常诊断模型，有效预测风机变桨系统异常，并为风机异常诊断提供重要依据。本发明的第二个目的在于提出一种风机变桨系统异常诊断装置。

3、本发明的第三个目的在于提出一种电子设备。

4、本发明的第四个目的在于提出一种存储有计算机指令的非瞬时计算机可读存储介质。

5、为达上述目的，本发明第一方面实施例提出了一种风机变桨系统异常诊断方法，所述方法包括：

6、获取出风机变桨系统对应历史运行数据中与变桨系统状态相关的多个特征参数数据，并提取出所述每个特征参数数据的历史时间序列比率向量；

7、基于所述各个历史时间序列比率向量，对多通道注意力机制和长短期记忆网络进行模型训练，以得到风机变桨系统异常诊断模型；

8、获取风机变桨系统对应实时运行数据中每个实时特征参数数据，并将所述每个实时特征参数数据的实时时间序列比率向量输入到所述风机变桨系统异常诊断模型，以诊断出所述风机变桨系统是否异常。

9、为达上述目的，本发明第二方面实施例提出了一种风机变桨系统异常诊断装置，所述装置包括：

10、提取模块，用于获取出风机变桨系统对应历史运行数据中与变桨系统状态相关的多个特征参数数据，并提取出所述每个特征参数数据的历史时间序列比率向量；

11、训练模块，用于基于所述各个历史时间序列比率向量，对多通道注意力机制和长短期记忆网络进行模型训练，以得到风机变桨系统异常诊断模型；

12、诊断模块，用于获取风机变桨系统对应实时运行数据中每个实时特征参数数据，并将所述每个实时特征参数数据的实时时间序列比率向量输入到所述风机变桨系统异常诊断模型，以诊断出所述风机变桨系统是否异常。

13、为达上述目的，本发明第三方面实施例提出了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行第一方面所述的方法。

14、为了实现上述目的，本发明第四方面实施例提出了一种存储有计算机指令的非瞬时计算机可读存储介质，计算机指令用于使所述计算机执行第一方面所述的方法。

15、本发明实施例提供的风机变桨系统异常诊断方法、装置、电子设备和存储介质，获取出风机变桨系统对应历史运行数据中与变桨系统状态相关的多个特征参数数据，并提取出每个特征参数数据的历史时间序列比率向量；基于各个历史时间序列比率向量，对多通道注意力机制和长短期记忆网络进行模型训练，以得到风机变桨系统异常诊断模型；将风机变桨系统对应每个实时特征参数数据的实时时间序列比率向量输入到风机变桨系统异常诊断模型，以诊断出风机变桨系统是否异常。由此，通过对多通道注意力机制和长短期记忆网络进行训练得到的风机变桨系统异常诊断模型，有效预测风机变桨系统异常，并为风机异常诊断提供重要依据。

16、本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

技术特征：

1.一种风机变桨系统异常诊断方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述获取出风机变桨系统对应历史运行数据中与变桨系统状态相关的多个特征参数数据，并提取出所述每个特征参数数据的历史时间序列比率向量，包括：

3.根据权利要求1所述的方法，其特征在于，所述基于所述各个历史时间序列比率向量，对多通道注意力机制和长短期记忆网络进行模型训练，以得到风机变桨系统异常诊断模型，包括：

4.根据权利要求3所述的方法，其特征在于，所述基于多通道注意力机制提取出各个历史时间序列比率向量中的关键特征，包括：

5.根据权利要求1所述的方法，其特征在于，所述获取风机变桨系统对应实时运行数据中每个实时特征参数数据，并将所述每个实时特征参数数据的实时时间序列比率向量输入到所述风机变桨系统异常诊断模型，以诊断出所述风机变桨系统是否异常，包括：

6.一种风机变桨系统异常诊断装置，其特征在于，所述装置包括：

7.根据权利要求6所述的装置，其特征在于，所述训练模块，包括：

8.根据权利要求7所述的装置，其特征在于，所述提取单元，具体用于：

9.一种电子设备，其特征在于，包括：

10.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行根据权利要求1-5中任一项所述的方法。

技术总结
本发明提出一种风机变桨系统异常诊断方法、装置及电子设备，涉及风力发电技术领域，获取出风机变桨系统对应历史运行数据中与变桨系统状态相关的多个特征参数数据，并提取出每个特征参数数据的历史时间序列比率向量；基于各个历史时间序列比率向量，对多通道注意力机制和长短期记忆网络进行模型训练，以得到风机变桨系统异常诊断模型；将风机变桨系统对应每个实时特征参数数据的实时时间序列比率向量输入到风机变桨系统异常诊断模型，以诊断出风机变桨系统是否异常。由此，通过对多通道注意力机制和长短期记忆网络进行训练得到的风机变桨系统异常诊断模型，有效预测风机变桨系统异常，并为风机异常诊断提供重要依据。

技术研发人员：刘潇波,刘佳明,吴旭东,张庆,范磊,邹歆,李树学,李芊,石永利,安睿
受保护的技术使用者：华能陈巴尔虎旗风力发电有限公司
技术研发日：
技术公布日：2024/10/14