(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 202211039721.4 (22)申请日 2022.08.29 (71)申请人 西安热工 研究院有限公司 地址 710032 陕西省西安市碑林区兴庆路 136号 申请人 华能 （浙江） 能源开发有限公司清洁 能源分公司 (72)发明人 汪臻　傅望安　邓巍　夏春辉　 赵勇　许瑾　张祎　刘述鹏　 (74)专利代理 机构 北京清亦华知识产权代理事 务所(普通 合伙) 11201 专利代理师 曲进华 (51)Int.Cl. G06K 9/00(2022.01) G06K 9/62(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) G06Q 50/06(2012.01) (54)发明名称 一种风力发电机组异常运行状态报警方法 (57)摘要 本申请提出的风力发电机组异常运行状态 报警方法、 系统及存储介质中， 获取风电机组的 多个振动数据包， 提取多个振动数据包中每个振 动数据包的稀 疏特征， 并利用稀 疏特征构建训练 数据集和测试数据集， 利用训练数据集和测试数 据集对预设运行状态识别模型进行训练， 得到目 标运行状态识别模型， 获取风电机组待分析的振 动数据包， 提取待分析的振动数据包的稀疏特 征， 并通过目标运行状态识别模 型对待分析的振 动数据包的稀 疏特征进行分析， 若状态分析结果 为故障状态则进行报警。 由此， 本申请提取到的 特征比较全面， 进而使 得风电机组的状态分析结 果更加准确， 提高了风电机组异常运行状态报警 的准确度。 同时， 本申请提取特征的过程更加简 便、 适用范围广。 权利要求书2页 说明书6页 附图1页 CN 115496092 A 2022.12.20 CN 115496092 A 1.一种风力发电机组异常运行状态报警方法， 其特 征在于， 所述方法包括： 获取风电机组的多个振动数据包； 提取所述多个振动数据包中每个振动数据包的稀疏特征， 并利用所述稀疏特征构建训 练数据集和 测试数据集； 利用所述训练数据集和测试数据集对预设运行状态识别模型进行训练， 得到目标运行 状态识别模型； 获取所述风电机组待分析的振动数据包， 提取所述待分析的振动数据包的稀疏特征， 并通过所述目标运行状态识别模型对所述待分析的振动数据包的稀疏特征进 行分析， 若状 态分析结果为故障状态则进行报警。 2.根据权利要求1所述的方法， 其特征在于， 所述提取所述多个振动数据包中每个振动 数据包的稀疏 特征， 包括： 计算所述多个振动数据包中每 个振动数据包的均方根 值； 利用所述每 个振动数据包的均方根 值构建每 个振动数据包 对应的稀疏向量； 利用压缩重构方法提取 所述每个稀疏向量对应的稀疏 特征。 3.根据权利要求2所述的方法， 其特征在于， 所述利用所述稀疏特征构建训练数据集和 测试数据集， 包括： 确定所述每个振动数据包的状态标签， 其中所述状态标签用于表示振动数据包的状 态； 将所述每 个振动数据包的稀疏 特征与所述每 个振动数据包 对应的状态标签一 一对应； 利用所述每个振动数据包对应的稀疏特征和状态标签， 构建训练数据集和测试数据 集。 4.根据权利要求1所述的方法， 其特征在于， 所述预设运行状态识别模型， 包括： 卷积 层、 池化层、 全连接层、 分类器， 所述分类器用于输出状态分析结果， 其中所述预设运行状态 识别模型的输入为所述振动数据包对应的稀疏特征， 所述预设运行状态识别模型的输出为 状态分析 结果。 5.根据权利要求4所述的方法， 其特征在于， 所述利用所述训练数据集和测试数据集对 预设运行状态 识别模型进行训练， 得到目标运行状态 识别模型， 包括： 利用所述训练数据集对所述预设运行状态识别模型进行训练， 得到训练后的运行状态 识别模型； 利用所述测试数据集对所述训练后的运行状态识别模型进行测试， 直至所述模型分析 结果准确率达 到阈值， 则训练完成， 得到所述目标运行状态 识别模型。 6.一种风力发电机组异常运行状态报警系统， 其特 征在于， 所述系统包括： 获取模块， 用于获取风电机组的多个振动数据包； 构建模块， 用于提取所述多个振动数据包中每个振动数据包的稀疏特征， 并利用所述 稀疏特征构建训练数据集和 测试数据集； 训练模块， 用于利用所述训练数据集和测试数据集对预设运行状态识别模型进行训 练， 得到目标运行状态 识别模型； 分析模块， 用于获取所述风电机组待分析的振动数据包， 提取所述待分析的振动数据 包的稀疏特征， 并通过所述目标运行状态识别模型对所述待分析的振动数据包的稀疏特征权　利　要　求　书 1/2 页 2 CN 115496092 A 2进行分析， 若状态分析 结果为故障状态则进行报警。 7.根据权利要求6所述的系统， 其特 征在于， 所述构建模块， 具体用于： 计算所述多个振动数据包中每 个振动数据包的均方根 值； 利用所述每 个振动数据包的均方根 值构建每 个振动数据包 对应的稀疏向量； 利用压缩重构方法提取 所述每个稀疏向量对应的稀疏 特征； 基于所述每 个稀疏特征， 构建训练数据集和 测试数据集。 8.根据权利要求7 所述的系统， 其特 征在于， 所述构建模块， 进一 步具体用于： 确定所述每 个振动数据包的状态标签， 其中所述状态标签包括 正常状态和故障状态； 将所述每 个振动数据包的稀疏 特征与所述每 个振动数据包 对应的状态标签一 一对应； 利用所述每个振动数据包对应的稀疏特征和状态标签， 构建训练数据集和测试数据 集。 9.一种计算机设备， 其特征在于， 包括存储器、 处理器及存储在存储器上并可在处理器 上运行的计算机程序， 所述处理器执行所述程序时， 能够实现如权利要求 1‑5中任一所述的 方法。 10.一种计算机存储介质， 其中， 所述计算机存储介质存储有计算机可执行指令； 所述 计算机可 执行指令被处 理器执行后， 能够实现权利要求1 ‑5中任一所述的方法。权　利　要　求　书 2/2 页 3 CN 115496092 A 3