權(quán)利要求書(shū)： 1.一種風(fēng)機(jī)齒輪箱散熱故障的早期診斷模型構(gòu)建方法，其特征在于：包括如下步驟：S1.獲取風(fēng)電機(jī)組與散熱故障相關(guān)的有效歷史數(shù)據(jù)；

S2.將所述有效歷史數(shù)據(jù)按照預(yù)設(shè)的第一時(shí)間周期進(jìn)行分組，并按照所述分組分別計(jì)算每組有效歷史數(shù)據(jù)的敏感特征值，并標(biāo)記敏感特征值的故障狀態(tài)，所述故障狀態(tài)包括故障和非故障；

S3.構(gòu)建診斷模型，并按照所述分組的敏感特征值及其故障狀態(tài)構(gòu)建訓(xùn)練集，通過(guò)所述訓(xùn)練集對(duì)所述診斷模型進(jìn)行訓(xùn)練，得到診斷模型；

所述敏感特征值包括皮爾遜相關(guān)系數(shù)和油池溫度水平；

所述油池溫度水平通過(guò)如下方式確定：對(duì)所述風(fēng)電機(jī)組有功功率按照預(yù)設(shè)的寬度進(jìn)行分箱處理，分別計(jì)算各分箱內(nèi)齒輪箱油池溫度的平均值，對(duì)所述平均值進(jìn)行擬合，得到功率?溫度曲線，計(jì)算所述功率?溫度曲線與功率軸所圍面積值得到油池溫度水平；

所述診斷模型為基于邏輯回歸分類算法的診斷模型；所述診斷模型的預(yù)測(cè)函數(shù)為如式(1)所示的Sigmoid函數(shù)：式(1)中，h(x)為預(yù)測(cè)函數(shù)計(jì)算得到的預(yù)測(cè)值，x＝(a；b)，x為樣本特征，a為皮爾遜相關(guān)系數(shù)，b為油池溫度水平，θ為模型參數(shù)，T為轉(zhuǎn)置運(yùn)算；

所述診斷模型的代價(jià)函數(shù)如式(2)所示：式(2)中，l(θ)為代價(jià)函數(shù)的計(jì)算值，xi＝(ai；bi)，xi為樣本特征，ai為皮爾遜相關(guān)系數(shù)，bi為油池溫度水平，yi為由所述故障狀態(tài)確定的樣本標(biāo)簽，θ為模型參數(shù)，m為樣本特征數(shù)。

2.根據(jù)權(quán)利要求1所述的風(fēng)機(jī)齒輪箱散熱故障的早期診斷模型構(gòu)建方法，其特征在于：所述有效歷史數(shù)據(jù)中的每條數(shù)據(jù)包括多個(gè)數(shù)據(jù)項(xiàng)，所述數(shù)據(jù)項(xiàng)包括風(fēng)電機(jī)組的齒輪箱進(jìn)口油溫、齒輪箱油池溫度、風(fēng)電機(jī)組有功功率；

所述有效歷史數(shù)據(jù)是根據(jù)預(yù)設(shè)的第一篩選規(guī)則從歷史數(shù)據(jù)中去除無(wú)效數(shù)據(jù)后得到的數(shù)據(jù)。

3.根據(jù)權(quán)利要求2所述的風(fēng)機(jī)齒輪箱散熱故障的早期診斷模型構(gòu)建方法，其特征在于：所述預(yù)設(shè)的第一篩選規(guī)則包括：

當(dāng)所述齒輪箱油池溫度低于溫控閥開(kāi)啟溫度，則該條數(shù)據(jù)為無(wú)效數(shù)據(jù)；

當(dāng)所述風(fēng)電機(jī)組有功功率為0或大于額定功率值，則該條數(shù)據(jù)為無(wú)效數(shù)據(jù)；

當(dāng)所述齒輪箱油池溫度、和/或所述齒輪箱進(jìn)口油溫、和/或所述風(fēng)電機(jī)組有功功率缺失，則該條數(shù)據(jù)為無(wú)效數(shù)據(jù)。

4.根據(jù)權(quán)利要求3所述的風(fēng)機(jī)齒輪箱散熱故障的早期診斷模型構(gòu)建方法，其特征在于：在所述步驟S3中還包括通過(guò)ROC曲線來(lái)優(yōu)化所述診斷模型的分類閾值，具體包括：按照預(yù)先確定的步長(zhǎng)，設(shè)置從0至1的多個(gè)分類閾值，并以按照所述分組的敏感特征值及其故障狀態(tài)構(gòu)建驗(yàn)證集，以所述診斷模型對(duì)所述驗(yàn)證集中的數(shù)據(jù)進(jìn)行分類，得到相應(yīng)的ROC曲線，以所述ROC曲線中最靠近(0，1)點(diǎn)所對(duì)應(yīng)的閾值為最優(yōu)分類閾值，以所述最優(yōu)分類閾值來(lái)優(yōu)化所述診斷模型。

5.根據(jù)權(quán)利要求4所述的風(fēng)機(jī)齒輪箱散熱故障的早期診斷模型構(gòu)建方法，其特征在于：所述驗(yàn)證集和所述訓(xùn)練集之間沒(méi)有交集。

6.根據(jù)權(quán)利要求5所述的風(fēng)機(jī)齒輪箱散熱故障的早期診斷模型構(gòu)建方法，其特征在于：所述預(yù)設(shè)的第一時(shí)間周期為一周。

7.一種風(fēng)機(jī)齒輪箱散熱故障的早期診斷方法，其特征在于：SA.獲取風(fēng)電機(jī)組在一個(gè)預(yù)設(shè)的第二時(shí)間周期內(nèi)的運(yùn)行數(shù)據(jù)，并按照預(yù)設(shè)的第二篩選規(guī)則去除其中的無(wú)效數(shù)據(jù)，得到有效運(yùn)行數(shù)據(jù)；

SB.計(jì)算所述運(yùn)行數(shù)據(jù)的敏感特征值，通過(guò)由權(quán)利要求1至6任一項(xiàng)所述方法所構(gòu)建的診斷模型對(duì)所述敏感特征值進(jìn)行分類，得到所述風(fēng)電機(jī)組的故障早期診斷結(jié)果。

8.根據(jù)權(quán)利要求7所述的風(fēng)機(jī)齒輪箱散熱故障的早期診斷方法，其特征在于：所述預(yù)設(shè)的第二時(shí)間周期與所述預(yù)設(shè)的第一時(shí)間周期相同；

所述預(yù)設(shè)的第二篩選規(guī)則與所述預(yù)設(shè)的第一篩選規(guī)則相同。

說(shuō)明書(shū)： 風(fēng)機(jī)齒輪箱散熱故障的早期診斷模型構(gòu)建方法及診斷方法技術(shù)領(lǐng)域[0001] 本發(fā)明涉及風(fēng)力發(fā)電機(jī)組(簡(jiǎn)稱風(fēng)機(jī))故障診斷技術(shù)領(lǐng)域，尤其涉及一種風(fēng)機(jī)齒輪箱散熱故障的早期診斷模型構(gòu)建方法及診斷方法。

背景技術(shù)[0002] 溫控閥用于調(diào)節(jié)流入油冷散熱器和直流通路的潤(rùn)滑油流量，是實(shí)現(xiàn)齒輪箱油溫調(diào)節(jié)的重要部件。隨著溫控閥使用時(shí)間的增加以及外部環(huán)境的影響，溫控閥性能會(huì)逐漸退化

直至完全失效。隨著溫控閥性能的逐漸退化，溫控閥對(duì)齒輪箱潤(rùn)滑油通路調(diào)節(jié)的能力會(huì)減

弱，而這將直接造成齒輪箱潤(rùn)滑油散熱不充分。當(dāng)溫控閥性能退化嚴(yán)重甚至完全失效時(shí)，將

會(huì)導(dǎo)致齒輪箱油溫不斷升高并最終造成風(fēng)電機(jī)組故障停機(jī)。

[0003] 風(fēng)電機(jī)組齒輪箱油冷散熱器主要包括管路、散熱片、風(fēng)扇等部件。隨著風(fēng)電機(jī)組在役運(yùn)行時(shí)間的增加，空氣中的灰塵以及飄飛的毛絮會(huì)粘附在散熱片上，造成油冷散熱器散

熱效率降低，嚴(yán)重時(shí)可能導(dǎo)致油冷散熱器無(wú)法有效降低齒輪箱潤(rùn)滑油溫度，造成風(fēng)電機(jī)組

限功運(yùn)行甚至停機(jī)。

[0004] 針對(duì)齒輪箱油冷散熱器堵塞故障以及溫控閥失效故障問(wèn)題，目前一般采用的都是事后處理的方式。當(dāng)未及時(shí)準(zhǔn)備備件時(shí)，這種被動(dòng)的處理方式可能造成風(fēng)電機(jī)組長(zhǎng)時(shí)間限

功運(yùn)行甚至停機(jī)，將嚴(yán)重影響風(fēng)電機(jī)組的發(fā)電量指標(biāo)。而且，齒輪箱長(zhǎng)期工作在高溫環(huán)境

下，還可能會(huì)影響齒輪箱的使用壽命。

[0005] 現(xiàn)有技術(shù)中的風(fēng)電機(jī)組齒輪箱故障監(jiān)測(cè)方法中，一般存在如下幾個(gè)不足：如通過(guò)溫差閾值判斷溫控閥故障與否的方法，其溫差閾值的選擇須通過(guò)溫控閥在環(huán)境試驗(yàn)箱中的

實(shí)驗(yàn)數(shù)據(jù)來(lái)確定。然而對(duì)于不同廠家、不同批次、不同型號(hào)的溫控閥，可能均需在環(huán)境試驗(yàn)

箱中進(jìn)行實(shí)驗(yàn)，以確定溫差閾值。該過(guò)程費(fèi)時(shí)費(fèi)力，成本較高。在確定溫差閾值時(shí)，還需考慮

一定的相關(guān)系數(shù)。通過(guò)額外安裝流量計(jì)來(lái)實(shí)現(xiàn)溫控閥的故障診斷，額外增加了成本。將流量

計(jì)監(jiān)測(cè)到的流量與設(shè)定狀態(tài)的差別來(lái)判斷溫控閥是否出現(xiàn)故障，而設(shè)定狀態(tài)往往比較難準(zhǔn)

確確定。

[0006] 因此，有必要提出一種自動(dòng)且有效的識(shí)別方法，用于識(shí)別溫控閥及油冷散熱器的早期故障，從而幫助運(yùn)維人員提前做好配件準(zhǔn)備、維修計(jì)劃制定等工作，減小對(duì)發(fā)電量及齒

輪箱使用壽命的影響。

發(fā)明內(nèi)容[0007] 本發(fā)明要解決的技術(shù)問(wèn)題就在于：針對(duì)現(xiàn)有技術(shù)存在的技術(shù)問(wèn)題，本發(fā)明提供一種不需要額外加裝設(shè)備，成本低，并充分考慮了風(fēng)機(jī)有功功率對(duì)油溫的影響，能夠及時(shí)、準(zhǔn)

確的診斷出故障的早期特征的風(fēng)機(jī)齒輪箱散熱故障的早期診斷模型構(gòu)建方法及診斷方法。

[0008] 為解決上述技術(shù)問(wèn)題，本發(fā)明提出的技術(shù)方案為：一種風(fēng)機(jī)齒輪箱散熱故障的早期診斷模型構(gòu)建方法，包括如下步驟：

[0009] S1.獲取風(fēng)電機(jī)組與散熱故障相關(guān)的有效歷史數(shù)據(jù)；[0010] S2.將所述有效歷史數(shù)據(jù)按照預(yù)設(shè)的第一時(shí)間周期進(jìn)行分組，并按照所述分組分別計(jì)算每組有效歷史數(shù)據(jù)的敏感特征值，并標(biāo)記敏感特征值的故障狀態(tài)，所述故障狀態(tài)包

括故障和非故障；

[0011] S3.構(gòu)建診斷模型，并按照所述分組的敏感特征值及其故障狀態(tài)構(gòu)建訓(xùn)練集，通過(guò)所述訓(xùn)練集對(duì)所述診斷模型進(jìn)行訓(xùn)練，得到診斷模型。

[0012] 進(jìn)一步地，所述有效歷史數(shù)據(jù)中的每條數(shù)據(jù)包括多個(gè)數(shù)據(jù)項(xiàng)，所述數(shù)據(jù)項(xiàng)包括風(fēng)電機(jī)組的齒輪箱進(jìn)口油溫、齒輪箱油池溫度、風(fēng)電機(jī)組有功功率；

[0013] 所述有效歷史數(shù)據(jù)是根據(jù)預(yù)設(shè)的第一篩選規(guī)則從歷史數(shù)據(jù)中去除無(wú)效數(shù)據(jù)后得到的數(shù)據(jù)。

[0014] 進(jìn)一步地，所述預(yù)設(shè)的第一篩選規(guī)則包括：[0015] 當(dāng)所述齒輪箱油池溫度低于溫控閥開(kāi)啟溫度，則該條數(shù)據(jù)為無(wú)效數(shù)據(jù)；[0016] 當(dāng)所述風(fēng)電機(jī)組有功功率為0或大于額定功率值，則該條數(shù)據(jù)為無(wú)效數(shù)據(jù)；[0017] 當(dāng)所述齒輪箱油池溫度、和/或所述齒輪箱進(jìn)口油溫、和/或所述風(fēng)電機(jī)組有功功率缺失，則該條數(shù)據(jù)為無(wú)效數(shù)據(jù)。

[0018] 進(jìn)一步地，所述敏感特征值包括皮爾遜相關(guān)系數(shù)和油池溫度水平；[0019] 所述油池溫度水平通過(guò)如下方式確定：[0020] 對(duì)所述風(fēng)電機(jī)組有功功率按照預(yù)設(shè)的寬度進(jìn)行分箱處理，分別計(jì)算各分箱內(nèi)齒輪箱油池溫度的平均值，對(duì)所述平均值進(jìn)行擬合，得到功率?溫度曲線，計(jì)算所述功率?溫度曲

線與功率軸所圍面積值得到油池溫度水平。

[0021] 進(jìn)一步地，所述診斷模型為基于邏輯回歸分類算法的診斷模型；所述診斷模型的預(yù)測(cè)函數(shù)為如式(1)所示的Sigmoid函數(shù)：

[0022][0023] 式(1)中，h(x)為預(yù)測(cè)函數(shù)計(jì)算得到的預(yù)測(cè)值，x＝(a；b)，x為樣本特征，a為皮爾遜相關(guān)系數(shù)，b為油池溫度水平，θ為模型參數(shù)，T為轉(zhuǎn)置運(yùn)算；

[0024] 所述診斷模型的代價(jià)函數(shù)如式(2)所示：[0025][0026] 式(2)中，l(θ)為代價(jià)函數(shù)的計(jì)算值，xi＝(ai；bi)，xi為樣本特征，ai為皮爾遜相關(guān)系數(shù)，bi為油池溫度水平，yi為由所述故障狀態(tài)確定的樣本標(biāo)簽，θ為模型參數(shù)，m為樣本特征

數(shù)。

[0027] 進(jìn)一步地，在所述步驟S3中還包括通過(guò)ROC曲線來(lái)優(yōu)化所述診斷模型的分類閾值，具體包括：按照預(yù)先確定的步長(zhǎng)，設(shè)置從0至1的多個(gè)分類閾值，并以按照所述分組的敏感特

征值及其故障狀態(tài)構(gòu)建驗(yàn)證集，以所述診斷模型對(duì)所述驗(yàn)證集中的數(shù)據(jù)進(jìn)行分類，得到相

應(yīng)的ROC曲線，以所述ROC曲線中最靠近(0，1)點(diǎn)所對(duì)應(yīng)的閾值為最優(yōu)分類閾值，以所述最優(yōu)

分類閾值來(lái)優(yōu)化所述診斷模型。

[0028] 進(jìn)一步地，所述驗(yàn)證集和所述訓(xùn)練集之間沒(méi)有交集。[0029] 進(jìn)一步地，所述預(yù)設(shè)的第一時(shí)間周期為一周。[0030] 一種風(fēng)機(jī)齒輪箱散熱故障的早期診斷方法，SA.獲取風(fēng)電機(jī)組在一個(gè)預(yù)設(shè)的第二時(shí)間周期內(nèi)的運(yùn)行數(shù)據(jù)，并按照預(yù)設(shè)的第二篩選規(guī)則去除其中的無(wú)效數(shù)據(jù)，得到有效運(yùn)行

數(shù)據(jù)；

[0031] SB.計(jì)算所述運(yùn)行數(shù)據(jù)的敏感特征值，通過(guò)由如上述方法所構(gòu)建的診斷模型對(duì)所述敏感特征值進(jìn)行分類，得到所述風(fēng)電機(jī)組的故障早期診斷結(jié)果。

[0032] 進(jìn)一步地，所述預(yù)設(shè)的第二時(shí)間周期與所述預(yù)設(shè)的第一時(shí)間周期相同；[0033] 所述預(yù)設(shè)的第二篩選規(guī)則與所述預(yù)設(shè)的第一篩選規(guī)則相同。[0034] 與現(xiàn)有技術(shù)相比，本發(fā)明的優(yōu)點(diǎn)在于：[0035] 1、本發(fā)明采用齒輪箱進(jìn)口油溫與油池溫度的皮爾遜相關(guān)系數(shù)及齒輪箱油池溫度水平作為早期故障敏感特征，這兩個(gè)敏感特征對(duì)油冷散熱器堵塞早期故障及溫控閥早期故

障很敏感，因此所構(gòu)建的診斷模型能夠及時(shí)、準(zhǔn)確表征風(fēng)機(jī)齒輪箱散熱故障的早期特征特

征。通過(guò)本發(fā)明的診斷模型可以準(zhǔn)確、及時(shí)對(duì)風(fēng)機(jī)齒輪箱散熱故障進(jìn)行早期診斷。

[0036] 2、本發(fā)明以功率?溫度曲線與功率軸所圍面積值定義油池溫度水平，并以油池溫度水平來(lái)表征油池溫度特征，充分考慮了風(fēng)電機(jī)組有功功率對(duì)油溫的影響，能夠綜合的反

應(yīng)齒輪箱油池的真實(shí)溫度水平，更符合風(fēng)機(jī)的實(shí)際情況，對(duì)風(fēng)機(jī)齒輪箱散熱故障的診斷也

更準(zhǔn)確。

[0037] 3、本發(fā)明以齒輪箱進(jìn)口油溫、齒輪箱油池溫度、風(fēng)電機(jī)組有功功率三個(gè)特征參數(shù)來(lái)構(gòu)建診斷模型并進(jìn)行診斷，使得數(shù)據(jù)處理過(guò)程更簡(jiǎn)單，運(yùn)算時(shí)所占用的計(jì)算機(jī)資源更少，

并且，這3個(gè)變量數(shù)據(jù)均來(lái)自SCADA，無(wú)需額外安裝傳感器，使得在實(shí)際工程應(yīng)用中的成本更

低。

[0038] 4、本發(fā)明優(yōu)選以“周”作為第一時(shí)間周期和第二時(shí)間周期，即以一周的數(shù)據(jù)構(gòu)建反應(yīng)油冷散熱器及溫控閥的敏感特征，一方面，符合風(fēng)機(jī)齒輪箱散熱器故障(包括散熱器堵塞

和溫控閥故障)是一個(gè)緩變過(guò)程的特征，不需要實(shí)時(shí)監(jiān)測(cè)診斷，降低了處理的數(shù)據(jù)量和復(fù)雜

度，并節(jié)省診斷需要耗費(fèi)的資源，又能夠保證散熱器故障能夠得到及時(shí)的診斷。

[0039] 5、本發(fā)明通過(guò)預(yù)設(shè)的篩選規(guī)則來(lái)過(guò)濾掉無(wú)效數(shù)據(jù)，可有效的避免無(wú)效的噪聲數(shù)據(jù)對(duì)診斷結(jié)果的影響，保證的診斷結(jié)果的準(zhǔn)確性。

[0040] 6、本發(fā)明采用基于邏輯回歸分類算法的診斷模型，并通過(guò)ROC曲線來(lái)確定診斷模型的最優(yōu)分類閾值，能夠保證診斷模型具有較高的故障樣本識(shí)別率。

附圖說(shuō)明[0041] 圖1為本發(fā)明具體實(shí)施例的流程示意圖。[0042] 圖2為本發(fā)明具體實(shí)施例的齒輪箱油池溫度與進(jìn)口油溫關(guān)系曲線示意圖。[0043] 圖3為本發(fā)明具體實(shí)施例的齒輪箱油池溫度與進(jìn)口油溫關(guān)系曲線示意圖。[0044] 圖4為本發(fā)明具體實(shí)施例的出現(xiàn)早期故障時(shí)進(jìn)口油溫與油池溫度的相關(guān)系數(shù)。[0045] 圖5為本發(fā)明具體實(shí)施例功率——油池溫度曲線示圖。[0046] 圖6為本發(fā)明具體實(shí)施例故障狀態(tài)及非故障狀態(tài)下的敏感特征值。[0047] 圖7為本發(fā)明具體實(shí)施例完整實(shí)施過(guò)程示意圖。具體實(shí)施方式[0048] 以下結(jié)合說(shuō)明書(shū)附圖和具體優(yōu)選的實(shí)施例對(duì)本發(fā)明作進(jìn)一步描述，但并不因此而限制本發(fā)明的保護(hù)范圍。

[0049] 如圖1所示，本實(shí)施例的風(fēng)機(jī)齒輪箱散熱故障的早期診斷模型構(gòu)建方法，包括如下步驟：S1.獲取風(fēng)電機(jī)組與散熱故障相關(guān)的有效歷史數(shù)據(jù)；S2.將有效歷史數(shù)據(jù)按照預(yù)設(shè)的

第一時(shí)間周期進(jìn)行分組，并按照分組分別計(jì)算每組有效歷史數(shù)據(jù)的敏感特征值，并標(biāo)記敏

感特征值的故障狀態(tài)，故障狀態(tài)包括故障和非故障；S3.構(gòu)建診斷模型，并按照分組的敏感

特征值及其故障狀態(tài)構(gòu)建訓(xùn)練集，通過(guò)訓(xùn)練集對(duì)診斷模型進(jìn)行訓(xùn)練，得到診斷模型。具體

的，在本實(shí)施例中，有效歷史數(shù)據(jù)中的每條數(shù)據(jù)包括多個(gè)數(shù)據(jù)項(xiàng)，數(shù)據(jù)項(xiàng)優(yōu)選包括風(fēng)電機(jī)組

的齒輪箱進(jìn)口油溫、齒輪箱油池溫度、風(fēng)電機(jī)組有功功率；有效歷史數(shù)據(jù)是根據(jù)預(yù)設(shè)的第一

篩選規(guī)則從歷史數(shù)據(jù)中去除無(wú)效數(shù)據(jù)后得到的數(shù)據(jù)。

[0050] 在本實(shí)施例中，預(yù)設(shè)的第一篩選規(guī)則包括：當(dāng)齒輪箱油池溫度低于溫控閥開(kāi)啟溫度，則該條數(shù)據(jù)為無(wú)效數(shù)據(jù)；當(dāng)風(fēng)電機(jī)組有功功率為0或大于額定功率值，則該條數(shù)據(jù)為無(wú)

效數(shù)據(jù)；當(dāng)齒輪箱油池溫度、和/或齒輪箱進(jìn)口油溫、和/或風(fēng)電機(jī)組有功功率缺失，則該條

數(shù)據(jù)為無(wú)效數(shù)據(jù)。

[0051] 在本實(shí)施例中，敏感特征值包括皮爾遜相關(guān)系數(shù)和油池溫度水平；油池溫度水平通過(guò)如下方式確定：對(duì)風(fēng)電機(jī)組有功功率按照預(yù)設(shè)的寬度進(jìn)行分箱處理，分別計(jì)算各分箱

內(nèi)齒輪箱油池溫度的平均值，對(duì)平均值進(jìn)行擬合，得到功率?溫度曲線，計(jì)算功率?溫度曲線

與功率軸所圍面積值得到油池溫度水平。

[0052] 在本實(shí)施例中，診斷模型為基于邏輯回歸分類算法的診斷模型；診斷模型的預(yù)測(cè)函數(shù)為如式(1)所示的Sigmoid函數(shù)：

[0053][0054] 式(1)中，h(x)為預(yù)測(cè)函數(shù)計(jì)算得到的預(yù)測(cè)值，x＝(a；b)，，x為樣本特征，a為皮爾遜相關(guān)系數(shù)，b為油池溫度水平，θ為模型參數(shù)，T為轉(zhuǎn)置運(yùn)算；模型參數(shù)θ為一列向量，它由θ

1、θ2兩個(gè)標(biāo)量元素構(gòu)成。

[0055] 診斷模型的代價(jià)函數(shù)如式(2)所示：[0056][0057] 式(2)中，l(θ)為代價(jià)函數(shù)的計(jì)算值，xi＝(ai；bi)，xi為樣本特征，ai為皮爾遜相關(guān)系數(shù)，bi為油池溫度水平，yi為由故障狀態(tài)確定的樣本標(biāo)簽，θ為模型參數(shù)，m為樣本特征數(shù)。

模型參數(shù)θ的定義與式(1)中相同。樣本特征即由前述敏感特征值構(gòu)成的列向量。樣本標(biāo)簽

是由故障狀態(tài)確定的值，非故障狀態(tài)的數(shù)據(jù)確定的樣本標(biāo)簽為0，故障狀態(tài)的數(shù)據(jù)確定的樣

本標(biāo)簽為1。

[0058] 在本實(shí)施例中，在步驟S3中還包括通過(guò)ROC曲線來(lái)優(yōu)化診斷模型的分類閾值，具體包括：按照預(yù)先確定的步長(zhǎng)，設(shè)置從0至1的多個(gè)分類閾值，并以有效歷史數(shù)據(jù)構(gòu)建驗(yàn)證集，

以診斷模型對(duì)驗(yàn)證集中的數(shù)據(jù)進(jìn)行分類，得到相應(yīng)的ROC曲線，以ROC曲線中最靠近(0，1)點(diǎn)

所對(duì)應(yīng)的閾值為最優(yōu)分類閾值，以最優(yōu)分類閾值來(lái)優(yōu)化診斷模型。驗(yàn)證集和訓(xùn)練集之間沒(méi)

有交集。預(yù)設(shè)的第一時(shí)間周期為一周。

[0059] 本實(shí)施例的風(fēng)機(jī)齒輪箱散熱故障的早期診斷方法，包括：SA.獲取風(fēng)電機(jī)組在一個(gè)預(yù)設(shè)的第二時(shí)間周期內(nèi)的運(yùn)行數(shù)據(jù)，并按照預(yù)設(shè)的第二篩選規(guī)則去除其中的無(wú)效數(shù)據(jù)，得

到有效運(yùn)行數(shù)據(jù)；SB.計(jì)算運(yùn)行數(shù)據(jù)的敏感特征值，通過(guò)由上述方法所構(gòu)建的診斷模型對(duì)敏

感特征值進(jìn)行分類，得到風(fēng)電機(jī)組的故障早期診斷結(jié)果。預(yù)設(shè)的第二時(shí)間周期與預(yù)設(shè)的第

一時(shí)間周期相同；預(yù)設(shè)的第二篩選規(guī)則與預(yù)設(shè)的第一篩選規(guī)則相同。

[0060] 在本實(shí)施例中，通過(guò)一個(gè)具體的應(yīng)用來(lái)加以說(shuō)明。如圖7所示，首先，通過(guò)風(fēng)力發(fā)電機(jī)組的SCADA(SupervisoryControlAndDataAcquisition，數(shù)據(jù)采集與監(jiān)視控制系統(tǒng))

來(lái)獲取風(fēng)力發(fā)電機(jī)組的歷史數(shù)據(jù)，歷史數(shù)據(jù)是按照時(shí)間，對(duì)風(fēng)力發(fā)電機(jī)組的運(yùn)行狀態(tài)進(jìn)行

監(jiān)測(cè)而得到的數(shù)據(jù)，每個(gè)監(jiān)測(cè)采樣時(shí)刻獲得的一條監(jiān)測(cè)數(shù)據(jù)，每條監(jiān)測(cè)數(shù)據(jù)都包括有多個(gè)

數(shù)據(jù)項(xiàng)。數(shù)據(jù)項(xiàng)包括但不限于風(fēng)電機(jī)組的齒輪箱進(jìn)口油溫、齒輪箱油池溫度、風(fēng)電機(jī)組有功

功率。在本實(shí)施例中，通過(guò)選擇上述數(shù)據(jù)項(xiàng)，可以對(duì)齒輪箱的散熱器故障和溫控閥故障等散

熱故障進(jìn)行早期診斷。當(dāng)選擇不同的數(shù)據(jù)項(xiàng)，可以對(duì)齒輪箱的不同類型的故障進(jìn)行早期診

斷。

[0061] 在本實(shí)施例中，以風(fēng)電機(jī)組的齒輪箱進(jìn)口油溫、齒輪箱油池溫度、風(fēng)電機(jī)組有功功率三個(gè)數(shù)據(jù)項(xiàng)按照預(yù)設(shè)的第一篩選規(guī)則進(jìn)行篩選，對(duì)于每一條數(shù)據(jù)，如果齒輪箱油池溫度

低于溫控閥開(kāi)啟溫度，或者當(dāng)風(fēng)電機(jī)組有功功率為0或大于額定功率值，或者，齒輪箱進(jìn)口

油溫、齒輪箱油池溫度、風(fēng)電機(jī)組有功功率三個(gè)數(shù)據(jù)項(xiàng)中存在一個(gè)數(shù)據(jù)項(xiàng)缺失時(shí)，將該條數(shù)

據(jù)作為無(wú)效數(shù)據(jù)而刪除。篩選后的數(shù)據(jù)作為有效歷史數(shù)據(jù)。只選取了與油冷散熱器及溫控

閥密切相關(guān)的3個(gè)變量，舍棄了環(huán)境溫度，風(fēng)速等次要變量，使得數(shù)據(jù)處理過(guò)程更簡(jiǎn)單，運(yùn)算

時(shí)所占用的計(jì)算機(jī)資源更少。而且，這3個(gè)變量數(shù)據(jù)均來(lái)自SCADA，無(wú)需額外安裝傳感器。篩

選掉低于溫控閥開(kāi)啟溫度的油池溫度數(shù)據(jù)，能夠避免噪聲數(shù)據(jù)對(duì)診斷結(jié)果的影響。而且，篩

選掉超出0至額定功率范圍之外的有功功率數(shù)據(jù)，以及其他異常、殘缺數(shù)據(jù)也為避免噪聲數(shù)

據(jù)對(duì)診斷結(jié)果的影響。

[0062] 在本實(shí)施例中，將篩選后的有效歷史數(shù)據(jù)按照數(shù)據(jù)的采樣時(shí)刻所記錄的時(shí)間進(jìn)行分組，具體的分組規(guī)則優(yōu)選按“周”分組，即每7天的數(shù)據(jù)作為一組。當(dāng)然，還可以選擇其它的

時(shí)間周期，如1天、2天。優(yōu)選的周期為5天至10天。數(shù)據(jù)篩選與數(shù)據(jù)分組的順序可以交換，即

先分組，再按照第一篩選規(guī)則進(jìn)行數(shù)據(jù)篩選。在本實(shí)施例中，對(duì)分組后的有效歷史數(shù)據(jù)按組

分別計(jì)算有效歷史數(shù)據(jù)的敏感特征值，并標(biāo)記敏感特征值的故障狀態(tài)，故障狀態(tài)包括故障

和非故障，非故障數(shù)據(jù)設(shè)定標(biāo)簽為0，為故障數(shù)據(jù)設(shè)定標(biāo)簽為1。

[0063] 在本實(shí)施例中，若齒輪箱油池溫度低于溫控閥開(kāi)啟溫度，且齒輪箱油冷散熱器未堵塞，那么齒輪箱進(jìn)口油溫與齒輪箱油池溫度將表現(xiàn)出強(qiáng)相關(guān)性特征，如圖2所示。若油池

溫度高于溫控閥開(kāi)啟溫度，且齒輪箱油冷散熱器未堵塞，那么在油冷散熱器的降溫作用下，

進(jìn)口油溫與油池溫度原有的強(qiáng)相關(guān)性將會(huì)被破壞，皮爾遜相關(guān)系數(shù)會(huì)減小，相關(guān)性減弱，如

圖3所示。然而當(dāng)出現(xiàn)溫控閥早期故障或齒輪箱油冷散熱器堵塞早期故障時(shí)，在油池溫度高

于溫控閥開(kāi)啟溫度的情況下，齒輪箱進(jìn)口油溫與油池溫度仍將表現(xiàn)出很強(qiáng)的相關(guān)性特征，

如圖4所示；而且各功率段內(nèi)油池溫度水平都會(huì)存在不同程度的升高。

[0064] 在本實(shí)施例中，定義油池溫度水平為功率?油池溫度曲線圖中油池溫度曲線與功率軸所圍面積S。如圖5所示中的斜線部分。本實(shí)施例中，優(yōu)選將風(fēng)電機(jī)組有功功率按照50kW

等寬進(jìn)行分箱處理，當(dāng)然，也可以選擇其它的功率寬度，優(yōu)選為小于等于風(fēng)電機(jī)組額定功率

的1/10。所構(gòu)建的這兩個(gè)敏感特征對(duì)油冷散熱器堵塞早期故障及溫控閥早期故障很敏感，

能夠及時(shí)、準(zhǔn)確反應(yīng)早期故障特征。采用這種方法來(lái)表征齒輪箱油池溫度水平，充分考慮了

風(fēng)電機(jī)組有功功率對(duì)油溫的影響，能夠綜合的反應(yīng)齒輪箱油池的真實(shí)溫度水平。齒輪箱油

冷散熱器及溫控閥出現(xiàn)早期故障時(shí)的敏感特征值，與無(wú)故障時(shí)的特征值存在明顯的區(qū)別，

如圖6所示。

[0065] 在本實(shí)施例中，將有效歷史數(shù)據(jù)劃分為訓(xùn)練集、驗(yàn)證集、測(cè)試集。優(yōu)選這三個(gè)集合為互無(wú)交集的數(shù)據(jù)集合。其中，優(yōu)選訓(xùn)練集、驗(yàn)證集、測(cè)試集中樣本數(shù)據(jù)比例優(yōu)選為6：2：2。

優(yōu)選訓(xùn)練集、驗(yàn)證集、測(cè)試集中樣本保持同分布或近似同分布。

[0066] 在本實(shí)施例中，通過(guò)訓(xùn)練集對(duì)所構(gòu)建的診斷模型進(jìn)行訓(xùn)練，采用隨機(jī)梯度上升算法進(jìn)行訓(xùn)練，得到邏輯回歸分類模型參數(shù)θ，代價(jià)函數(shù)取最大值時(shí)所對(duì)應(yīng)的θ值即為最佳模

型參數(shù)。并采用ROC(ReceiverOperatingCharacteristicCurve，受試者工作特征曲線)

曲線來(lái)選取診斷模型中邏輯回歸函數(shù)的最優(yōu)分類閾值。具體地，分類閾值可在0～1之間選

取，對(duì)于任意閾值均能在ROC曲線上找到確定一點(diǎn)與之對(duì)應(yīng)。采用訓(xùn)練好的邏輯回歸分類模

型對(duì)驗(yàn)證集數(shù)據(jù)進(jìn)行分類，分類閾值分別取為0，0.01，0.02，0.03，…，0.99，1；最后得到相

應(yīng)的ROC曲線。ROC曲線上最靠近(0，1)點(diǎn)所對(duì)應(yīng)的閾值即為最優(yōu)分類閾值。本實(shí)施例中，通

過(guò)驗(yàn)證集，可以對(duì)診斷模型的閾值進(jìn)行更好的優(yōu)化，使得診斷模型的診斷結(jié)果準(zhǔn)確性更高。

[0067] 在本實(shí)施例中，還可以基于訓(xùn)練好的邏輯回歸分類模型及最優(yōu)分類閾值，采用測(cè)試集數(shù)據(jù)進(jìn)行模型的離線測(cè)試，測(cè)試結(jié)果將會(huì)標(biāo)記出故障樣本、非故障樣本及對(duì)應(yīng)的機(jī)組

編號(hào)和時(shí)間，實(shí)現(xiàn)早期故障診斷的自動(dòng)化。并對(duì)診斷模型對(duì)測(cè)試集數(shù)據(jù)的診斷結(jié)果進(jìn)行核

查，確認(rèn)診斷正確率，當(dāng)正確率低于設(shè)計(jì)要求時(shí)，通過(guò)加大訓(xùn)練集樣本數(shù)據(jù)，或者進(jìn)一步地

重新對(duì)數(shù)據(jù)進(jìn)行篩選，優(yōu)化訓(xùn)練算法，進(jìn)行進(jìn)一步的訓(xùn)練，來(lái)提高診斷模型的診斷正確率。

[0068] 在本實(shí)施例中，在建立并訓(xùn)練好診斷模型后，即可將診斷模型用于風(fēng)力發(fā)電機(jī)組的在線診斷。具體的，通過(guò)SCADA獲取風(fēng)力發(fā)電機(jī)組的在線監(jiān)測(cè)數(shù)據(jù)，優(yōu)選為最近一個(gè)預(yù)設(shè)

第二時(shí)間周期的數(shù)據(jù)，第二時(shí)間周期與第一時(shí)間周期為相同的周期。在線監(jiān)測(cè)數(shù)據(jù)同樣是

對(duì)風(fēng)力發(fā)電機(jī)組的運(yùn)行狀態(tài)進(jìn)行監(jiān)測(cè)而得到的數(shù)據(jù)，每個(gè)監(jiān)測(cè)采樣時(shí)刻獲得的一條監(jiān)測(cè)數(shù)

據(jù)，每條監(jiān)測(cè)數(shù)據(jù)同樣包括但不限于風(fēng)電機(jī)組的齒輪箱進(jìn)口油溫、齒輪箱油池溫度、風(fēng)電機(jī)

組有功功率三個(gè)數(shù)據(jù)項(xiàng)，并按照第二篩選規(guī)則進(jìn)行篩選，去除掉其中的無(wú)效數(shù)據(jù)，第二篩選

規(guī)則是與第一篩選規(guī)則相同的篩選規(guī)則。將篩選后得到數(shù)據(jù)進(jìn)行特征提取，計(jì)算其敏感特

征值，敏感特征值包括皮爾遜相關(guān)系數(shù)和油池溫度水平，其計(jì)算方法與構(gòu)建診斷模型時(shí)計(jì)

算敏感特征值的方法相同。通過(guò)將敏感特征值輸入診斷模型，診斷模型根據(jù)輸入的敏感特

征值進(jìn)行計(jì)算，輸出所輸入的敏感特征值為故障還是非故障，從而實(shí)現(xiàn)自動(dòng)對(duì)故障的早期

診斷。

[0069] 上述只是本發(fā)明的較佳實(shí)施例，并非對(duì)本發(fā)明作任何形式上的限制。雖然本發(fā)明已以較佳實(shí)施例揭露如上，然而并非用以限定本發(fā)明。因此，凡是未脫離本發(fā)明技術(shù)方案的

內(nèi)容，依據(jù)本發(fā)明技術(shù)實(shí)質(zhì)對(duì)以上實(shí)施例所做的任何簡(jiǎn)單修改、等同變化及修飾，均應(yīng)落在

本發(fā)明技術(shù)方案保護(hù)的范圍內(nèi)。