风力发电机组主控系统及方法与流程

本公开涉及风力发电机组领域，具体涉及一种风力发电机组主控系统及方法。

背景技术：

1、风力发电机组是将风能转化为电能的重要设备。风力发电机组作为一种重要的可再生能源发电设备，在发电过程中需要保持稳定的运行状态以确保高效率和安全性。因此，为了确保风力发电机组的安全高效运行，需要对发电机组的运行状态进行实时监测和评估，以便及早发现发电机组的性能缺陷和潜在故障。

2、然而，传统的发电机组状态监控系统主要依赖于简单的传感器监测和阈值警报，并没有关注到风力发电机组的各个状态数据之间的潜在关联，这限制了故障检测的准确性和及时性。此外，现有一些系统需要专业人士进行发电机组的数据分析，这对于专业知识的要求很高，同时存在主观性和低效率的问题。

3、因此，期望一种风力发电机组主控系统。

技术实现思路

1、考虑到以上问题而做出了本公开。本公开的一个目的是提供一种风力发电机组主控系统及方法。

2、本公开的实施例提供了一种风力发电机组主控系统，其包括：

3、发电机运行参数采集模块，用于获取由传感器组采集的发电机转速的时间序列、发电机输出功率的时间序列和发电机温度的时间序列；

4、发电机运行参数时序排列模块，用于将所述发电机转速的时间序列、所述发电机输出功率的时间序列和所述发电机温度的时间序列按照时间维度排列为发电机转速时序输入向量、发电机输出功率时序输入向量和发电机温度时序输入向量；

5、发电机运行参数特征低维表示模块，用于对所述发电机转速时序输入向量、所述发电机输出功率时序输入向量和所述发电机温度时序输入向量进行特征低维表示以得到发电机转速时序特征向量、发电机输出功率时序特征向量和发电机温度时序特征向量；

6、运行参数时序特征关联模块，用于使用因子分解机来计算所述发电机转速时序特征向量、所述发电机输出功率时序特征向量和所述发电机温度时序特征向量中任意两个特征向量之间的关联特征以得到发电机转速-输出功率时序关联特征向量、发电机转速-温度时序关联特征向量和发电机输出功率-温度时序关联特征向量；

7、发电机状态多模态时序表征模块，用于将所述发电机转速-输出功率时序关联特征向量、所述发电机转速-温度时序关联特征向量和所述发电机输出功率-温度时序关联特征向量进行多模态特征融合以得到发电机状态多模态时序表征特征；以及

8、运行状态检测预警模块，用于基于所述发电机状态多模态时序表征特征，确定发电机组的运行状态是否存在异常，并确定是否生成异常预警提示。

9、例如，根据本公开的实施例的风力发电机组主控系统，其中，所述发电机运行参数特征低维表示模块，用于：

10、将所述发电机转速时序输入向量、所述发电机输出功率时序输入向量和所述发电机温度时序输入向量通过基于全连接层的特征低维表示器以得到所述发电机转速时序特征向量、所述发电机输出功率时序特征向量和所述发电机温度时序特征向量。

11、例如，根据本公开的实施例的风力发电机组主控系统，其中，所述运行参数时序特征关联模块，用于：

12、使用所述因子分解机以如下关联公式来计算所述发电机转速时序特征向量、所述发电机输出功率时序特征向量和所述发电机温度时序特征向量中任意两个特征向量之间的关联特征以得到所述发电机转速-输出功率时序关联特征向量、所述发电机转速-温度时序关联特征向量和所述发电机输出功率-温度时序关联特征向量；其中，所述关联公式为：

13、

14、其中，vi和vj分别为所述发电机转速时序特征向量、所述发电机输出功率时序特征向量和所述发电机温度时序特征向量中任意两个特征向量，ω0表示常数偏置，ωi为偏置向量，ωij为偏置矩阵，n为所述发电机转速时序特征向量、所述发电机输出功率时序特征向量和所述发电机温度时序特征向量中特征向量的个数，为所述发电机转速-输出功率时序关联特征向量、所述发电机转速-温度时序关联特征向量和所述发电机输出功率-温度时序关联特征向量中的其中一个相应的特征向量。

15、例如，根据本公开的实施例的风力发电机组主控系统，其中，所述发电机状态多模态时序表征模块，用于：

16、将所述发电机转速-输出功率时序关联特征向量、所述发电机转速-温度时序关联特征向量和所述发电机输出功率-温度时序关联特征向量通过基于贝叶斯概率网络的多模态特征融合器以得到发电机状态多模态时序表征特征向量作为所述发电机状态多模态时序表征特征。

17、例如，根据本公开的实施例的风力发电机组主控系统，其中，所述发电机状态多模态时序表征模块，用于：

18、将所述发电机转速-输出功率时序关联特征向量、所述发电机转速-温度时序关联特征向量和所述发电机输出功率-温度时序关联特征向量通过所述基于贝叶斯概率网络的多模态特征融合器以如下融合公式进行处理以得到所述发电机状态多模态时序表征特征向量；其中，所述融合公式为：

19、qi＝pi*ai/bi

20、其中，qi表示所述发电机状态多模态时序表征特征向量、pi表示所述发电机转速-温度时序关联特征向量中各个位置的特征值、ai表示所述发电机输出功率-温度时序关联特征向量中各个位置的特征值，bi表示所述发电机转速-输出功率时序关联特征向量中各个位置的特征值。

21、例如，根据本公开的实施例的风力发电机组主控系统，其中，所述运行状态检测预警模块，包括：

22、发件机组运行状态检测单元，用于将所述发电机状态多模态时序表征特征向量通过基于分类器的状态评估器以得到评估结果，所述评估结果用于表示发电机组的运行状态是否存在异常；以及

23、异常预警单元，用于响应于所述评估结果为发电机组的运行状态存在异常，生成异常预警提示。

24、例如，根据本公开的实施例的风力发电机组主控系统，其中，还包括用于对所述基于全连接层的特征低维表示器、所述因子分解机、所述基于贝叶斯概率网络的多模态特征融合器和所述基于分类器的状态评估器进行训练的训练模块。

25、例如，根据本公开的实施例的风力发电机组主控系统，其中，所述训练模块，包括：

26、训练参数采集单元，用于获取由传感器组采集的训练发电机转速的时间序列、训练发电机输出功率的时间序列和训练发电机温度的时间序列；

27、训练发电机运行参数时序排列单元，用于将所述训练发电机转速的时间序列、所述训练发电机输出功率的时间序列和所述训练发电机温度的时间序列按照时间维度排列为训练发电机转速时序输入向量、训练发电机输出功率时序输入向量和训练发电机温度时序输入向量；

28、训练发电机运行参数特征低维表示单元，用于将所述训练发电机转速时序输入向量、所述训练发电机输出功率时序输入向量和所述训练发电机温度时序输入向量通过所述基于全连接层的特征低维表示器以得到训练发电机转速时序特征向量、训练发电机输出功率时序特征向量和训练发电机温度时序特征向量；

29、训练运行参数时序特征关联单元，用于使用所述因子分解机来计算所述训练发电机转速时序特征向量、所述训练发电机输出功率时序特征向量和所述训练发电机温度时序特征向量中任意两个特征向量之间的关联特征以得到训练发电机转速-输出功率时序关联特征向量、训练发电机转速-温度时序关联特征向量和训练发电机输出功率-温度时序关联特征向量；

30、训练发电机状态多模态时序表征单元，用于将所述训练发电机转速-输出功率时序关联特征向量、所述训练发电机转速-温度时序关联特征向量和所述训练发电机输出功率-温度时序关联特征向量通过所述基于贝叶斯概率网络的多模态特征融合器以得到训练发电机状态多模态时序表征特征向量；

31、分类损失计算单元，用于将所述训练发电机状态多模态时序表征特征向量通过所述基于分类器的状态评估器以得到分类损失函数值；以及

32、损失训练单元，用于基于所述分类损失函数值对所述基于全连接层的特征低维表示器、所述因子分解机、所述基于贝叶斯概率网络的多模态特征融合器和所述基于分类器的状态评估器进行训练，其中，在所述训练的每一轮迭代中，对所述训练发电机状态多模态时序表征特征向量进行优化。

33、本公开的实施例还提供了一种风力发电机组主控方法，其包括：

34、获取由传感器组采集的发电机转速的时间序列、发电机输出功率的时间序列和发电机温度的时间序列；

35、将所述发电机转速的时间序列、所述发电机输出功率的时间序列和所述发电机温度的时间序列按照时间维度排列为发电机转速时序输入向量、发电机输出功率时序输入向量和发电机温度时序输入向量；

36、对所述发电机转速时序输入向量、所述发电机输出功率时序输入向量和所述发电机温度时序输入向量进行特征低维表示以得到发电机转速时序特征向量、发电机输出功率时序特征向量和发电机温度时序特征向量；

37、使用因子分解机来计算所述发电机转速时序特征向量、所述发电机输出功率时序特征向量和所述发电机温度时序特征向量中任意两个特征向量之间的关联特征以得到发电机转速-输出功率时序关联特征向量、发电机转速-温度时序关联特征向量和发电机输出功率-温度时序关联特征向量；

38、将所述发电机转速-输出功率时序关联特征向量、所述发电机转速-温度时序关联特征向量和所述发电机输出功率-温度时序关联特征向量进行多模态特征融合以得到发电机状态多模态时序表征特征；以及

39、基于所述发电机状态多模态时序表征特征，确定发电机组的运行状态是否存在异常，并确定是否生成异常预警提示。

40、例如，根据本公开的实施例的风力发电机组主控方法，其中，对所述发电机转速时序输入向量、所述发电机输出功率时序输入向量和所述发电机温度时序输入向量进行特征低维表示以得到发电机转速时序特征向量、发电机输出功率时序特征向量和发电机温度时序特征向量，包括：

41、将所述发电机转速时序输入向量、所述发电机输出功率时序输入向量和所述发电机温度时序输入向量通过基于全连接层的特征低维表示器以得到所述发电机转速时序特征向量、所述发电机输出功率时序特征向量和所述发电机温度时序特征向量。

42、根据本公开的实施例的风力发电机组主控系统及方法，其通过传感器组实时监测采集发电机的运行参数，包括发电机转速、发电机输出功率和发电机温度，并在主控系统中引入数据处理和分析算法来进行这些运行参数的时序协同关联分析，以此来对风力发电机组的运行状态进行异常检测和评估，并在检测到可能发生的异常情况时及时发出预警提示，以便及时对于发电机组的异常情况进行处理，从而保障发电机组的安全运行。