基于机器学习算法的风电机组齿轮箱故障诊断分析方法
实质审查的生效
摘要
本发明公开了一种基于机器学习算法的风电机组齿轮箱故障诊断分析方法，包括：采用SCADA系统收集的某风电场的实际运营数据进行分析，每十分钟采集一次数据，数据类别包含风速、风功率、齿轮箱油温、风向、偏航角、桨距角、电压、电流等；数据预处理：空值和异常值处理；通过皮尔逊相关系数选择出这些数据中与齿轮箱高速轴承相关性较高的特征；利用ResNet网络构建齿轮箱故障预测模型，进行齿轮箱高速轴承温度预测。通过齿轮箱高速轴承温度预测值和实际值之间的残差对齿轮箱偏离正常状态的程度进行评估，根据3‑sigma准则设置残差上下限值进行齿轮箱高速轴成温度异常故障预警，工作人员根据故障预警数据结合现场情况，进行预警诊断分析。
基本信息
专利标题 ：
基于机器学习算法的风电机组齿轮箱故障诊断分析方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114444382A
申请号 ：
CN202111674258.6
公开（公告）日 ：
2022-05-06
申请日 ：
2021-12-31
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
王宁苏宝定王恩路韩则胤韩国强
申请人 ：
中广核(北京)新能源科技有限公司
申请人地址 ：
北京市丰台区南四环西路186号汉威国际二区5号楼
代理机构 ：
陕西佳禾宏盛知识产权代理事务所(特殊普通合伙)
代理人 ：
宁文涛
优先权 ：
CN202111674258.6
主分类号 ：
G06F30/27
IPC分类号 ：
G06F30/27 G06Q10/06 G06Q50/06 G06F119/08
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06F
电数字数据处理
G06F30/27
使用机器学习，例如人工智能，神经网络，支持向量机或训练模型
法律状态
2022-05-27 ：
实质审查的生效
IPC(主分类) : G06F 30/27
申请日 : 20211231
申请日 : 20211231
2022-05-06 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
