(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111582820.2 (22)申请日 2021.12.2 2 (71)申请人 浙江理工大 学 地址 310000 浙江省杭州市杭州经济技 术 开发区白杨街道 2号大街9 28号 (72)发明人 陈换过　沈俞恆　戴巨川　李立江　 李建涛　王旭涛　陶瀚宇　 (74)专利代理 机构 浙江侨悦专利代理有限公司 33470 专利代理师 林燕 (51)Int.Cl. G06Q 10/06(2012.01) G06Q 50/06(2012.01) G06K 9/62(2022.01) G06N 3/08(2006.01)G06N 3/00(2006.01) G06N 7/08(2006.01) (54)发明名称 一种风力发电机组主传动系统状态评估方 法及系统 (57)摘要 本发明提供一种风力发电机组主传动系统 状态评估 方法及系统， 涉及风力发电机组状态评 估技术领域， 具体为： 收集SCADA数据集并划分数 据集； 对收集到的SCADA数据进行预处理； 对风力 发电机主传动系统运行状态进行工况划分； 对不 同工况下的风机主传动系统状态参数进行二次 处理； 建立不同工况下的风力发电机主传动系统 的状态参数预测模型； 建立状态评估模型， 输出 主传动系统状态评估等级结果， 解决了现有技术 中风力发电机组的状态评估 方法人为主观因素， 评估结果 不准确的技 术问题。 权利要求书2页 说明书8页 附图2页 CN 115310746 A 2022.11.08 CN 115310746 A 1.一种风力发电机主传动系统状态评估方法， 其特 征在于， 所述方法包括： 收集SCADA数据集并划分数据集； 对收集到的SCADA数据进行 预处理； 对风力发电机主传动系统运行状态进行工况划分； 对不同工况 下的风机主传动系统状态参数进行二次处 理； 建立不同工况 下的风力发电机主传动系统的状态参数 预测模型； 建立状态评估 模型， 输出主传动系统状态评估等级结果。 2.根据权利要求1所述的风力发电机主传动系统状态评估方法， 其特征在于， 所述收集 SCADA数据集并划分数据集， 包括： 首先收集SCADA系统在风力发机主传动系统不同健康状 态下的多变量时间序列历史数据在风力发电机主传动系统不同健康状态下的历史数据， 并 将数据集划分为两份； 一份用训练主传动系统神经网络状态预测模型， 即训练数据集， 一份用于实验验证， 即 实验数据集； 最后再收集实时数据， 输入到主传动系统神经网络预测模型中， 对风力发电机主传动 系统进行状态评估。 3.根据权利要求2所述的风力发电机主传动系统状态评估方法， 其特征在于， 所述对收 集到的SCADA数据进行 预处理， 包括： 数据清洗和状态参数相关性分析。 4.根据权利要求3所述的风力发电机主传动系统状态评估方法， 其特征在于， 所述数据 清洗和状态参数相关性分析， 包括： 所述数据清洗包括： 根据风力发电机的风功率 曲线， 清 洗掉无效、 异常或者缺失的数据； 所述状态参数相关性分析包括： 对收集到的数据集， 选出 与风力发电机主传动系统运行状态相关性较强的参数， 根据皮尔逊相关系数法计算挑选出 强相关(|r|>0.6)和极度相关(|r|>0.8)的状态参数； 皮尔逊相关系数计算公式如下： 式中： E(XY)为X,Y共同的期望； E(X)为X的期望； E(Y)为Y的期望； 当样本X和Y的总都为 N时， 则X和Y总体样本的相关系数计算公式如下： 式中： N为总样本数， 是对Xi样本的标准分数， σX为样本标准差， 为样本平均 值。 5.根据权利要求4所述的风力发电机主传动系统状态评估方法， 其特征在于， 所述对风 力发电机主传动系统运行状态进 行工况划分， 包括： 根据收集到的历史数据， 首先根据实际 的风功率曲线， 初步将风机的运行工况划分为工况1停机阶段， 工况2低功率阶段， 工况3功 率快速增 加阶段， 工况4恒功率阶段以及工况5超出风速停机阶段； 其次针对工况3功率快速增加阶段， 工况4恒功率阶段筛选出工况参数， 分别运用数据权　利　要　求　书 1/2 页 2 CN 115310746 A 2聚类的算法， 将 工况3和工况4进一步细分， 划分为如工况3 ‑1、 3‑2.···3‑m和工况4 ‑1、 4‑ 2···4‑n， 同时在此基础上建立工况辨识模型， 用于在线评估时对实时的数据进行工况 辨识。 6.根据权利要求5所述的风力发电机主传动系统状态评估方法， 其特征在于， 所述对不 同工况下的风机主传动系统状态参数进 行二次处理， 包括： 工况划分结束后， 使用皮尔逊相 关系数法依次对每一个工况中的状态参数进行再一次的相关性分析， 根据计算结果， 挑选 出强相关(|r|>0.6)和极度相关(|r|>0.8)的状态参数， 并剔除冗余的状态参数。 7.根据权利要求6所述的风力发电机主传动系统状态评估方法， 其特征在于， 所述对不 同工况下的风机主传动系统状态参数进行二次处理还包括： 采用线性函数归一化的方法对 筛选出来的状态参数进行 标准化处理， 计算公式如下： 式中： Xnorm指标准化过后的数据； Xmax为数据集的最大数据； 为数据集最小的数据； X待标准化的数据。 8.根据权利要求7所述的风力发电机主传动系统状态评估方法， 其特征在于， 所述建立 不同工况下的风力发电机主传动系统的状态参数预测模型， 包括： 建立状态参数预测模型， 所述状态 参数预测模 型具体为： 建立在混沌粒子群算法(CPSO)优化下的基于注 意力机制的 BiGRU状态参数预测模型， 依次将不同工况下的数据集， 利用深度学习的方法， 将对应工况 下的训练数据集分别输入到预测模型中， 训练预测模型； 将实验数据集进行预处理、 运行状态进行工况划分、 状态参数二 次处理， 最后输入到对 应工况下的风发电机主传动系统状态参数预测模型， 通过输出的预测值和真实值进行比 较， 验证预测模型的精度。 9.根据权利要求8所述的风力发电机主传动系统状态评估方法， 其特征在于， 所述建立 状态评估模型， 输出主传动系统状态评估等级结果， 包括： 针对主传动系统建立评价状态评 估结构体系， 目标层C即主传动系统， 项目层Ci即主传动系统中重要的部件， 二级指标层Cij 即每个部件上 的重要参数， 采用三标度法来衡量指标在同一层次下在决策中的重要程度， 计算出初始权重WI； 利用决策与实验评价试验法(DEMATEL)计算影响权重WD,综合初始权重 和影响权重得到主观权重； 利用熵权法计算客观权重WK； 利用模糊综合评价法结合综合权 重构建出状态评价模型； 所建立的评估模型从指标层依 次开始计算， 最后得到风机主传动 系统的状态等级。 10.一种风力发电机主传动系统状态评估系统， 其特征在于， 所述系统包括： 数据收集 及划分模块： 用于收集SCADA数据集并划分数据集； 数据预处 理模块： 用于对收集到的SCADA数据进行 预处理； 工况辨识模块： 用于对风力发电机主传动系统运行状态进行工况划分； 参数二次处 理模块： 用于对不同工况 下的风机主传动系统状态参数进行二次处 理； 预测模型建立模块： 用于建立不同工况下的风力发电机主传动系统 的状态参数预测模 型； 状态评估 模块： 用于建立状态评估 模型， 输出主传动系统状态评估等级结果。权　利　要　求　书 2/2 页 3 CN 115310746 A 3