摘要
本发明属于风电机组故障检测技术领域,具体涉及一种基于PCA‑SPE‑CUSUM算法的风电机组早期故障在线检测方法、程序、设备及存储介质。本发明将主成分分析与平方预测误差累积和算法应用于风电机组SCADA系统监测数据,可以实现对风电机组发电机系统早期故障的检测,能够较SCADA系统更早发出预警。本发明使用主成分分析有效解决了SCADA数据采集系统变量多、数据维度大的问题,降低了运算成本,提高了故障检测效率。基于本发明提出的故障检测算法推导的故障幅值估计模型可以实现对风电机组发电机故障的幅值估计,有助于评价故障的严重程度。
技术关键词
故障在线检测方法
预测误差
驱动端轴承
实时数据
定子绕组温度
剔除噪声
风电机组发电机
风电机组状态
风电机组故障检测
有功功率
贡献率
故障检测算法
协方差矩阵
SCADA系统
元素
系统为您推荐了相关专利信息
模型建立方法
预测误差
通用建模方法
累积分布函数
电流
定价机制
正则化技术
优化LSTM模型
统计特征
阶段
时间预测模型
历史运行数据
铁口深度
多元线性回归方法
参数
设备状态评估方法
GIS设备
数字孪生模型
实时数据
高压电气设备状态评估技术
状态感知方法
数字孪生模型
实时数据
物联网感知设备
云平台