一种风力发电机降温方法

技术领域

本申请涉及发电机降温技术领域，更具体地，涉及一种风力发电机降温方法。

背景技术

风力发电机降温是风力机组一直力求解决的问题，对其降温前，要先分析风机的温度情况，从而合理的分配降温资源(风降、水冷等方式)。

现有技术中，一般通过风机结构原理或专家经验分析得到温度产生的原因，但是，风机是个复杂的系统，影响温度的因素非常复杂且繁多，仅仅凭原理或经验分析影响温度的因素，会导致求得的温度情况不准确，且无法给出影响温度因素的合理的权重，也就无法得到准确的温度情况。

因此，如何提高影响温度因素的准确性，是目前有待解决的技术问题。

发明内容

本发明提供一种风力发电机降温方法，用以解决现有技术中影响温度因素不准确、权重不合理的技术问题。所述方法包括：

获取影响风机温度的评价指标，得到初始评价指标集，获取风机温度因子，得到温度因子集，评价指标用以表示风机温度因子的影响因素；

根据初始评价指标集和温度因子集建立状态空间，根据状态空间得到第一非线性依赖度，根据状态空间得到第二非线性依赖度，根据第二非线性依赖度和第一非线性依赖度得到非线性依赖度；

根据非线性依赖度在初始评价指标集中筛选评价指标，得到评价指标集，根据评价指标集和多个预设确定策略得到评价指标的第一权重、第二权重和第三权重，根据第一权重、第二权重和第三权重确定评价指标权重；

根据非线性依赖度修正评价指标权重，根据修正后的评价指标权重和评价指标得到温度因子集中温度因子的温度分数，根据温度因子的温度分数分配降温资源。

本申请一些实施例中，根据初始评价指标集和温度因子集建立状态空间，包括：

状态空间包括因状态空间和果状态空间，根据初始评价指标集建立因状态空间，根据温度因子集建立果状态空间。

本申请一些实施例中，根据状态空间得到第一非线性依赖度，根据状态空间得到第二非线性依赖度，包括：

根据因状态空间、果状态空间和第一预设计算方式得到第一非线性依赖度；

根据因状态空间、果状态空间和第二预设计算方式得到第二非线性依赖度。

本申请一些实施例中，根据第二非线性依赖度修正第一非线性依赖度得到修正后的非线性依赖度，包括：

根据第一非线性依赖度和第二非线性依赖度得到依赖度差值；

根据依赖度差值与预设差值之间的关系确定第一加权值和第二加权值；

根据第一加权值、第二加权值、第一非线性依赖度和第二非线性依赖度得到非线性依赖度；

其中，第一加权值对应第一非线性依赖度，第二加权值对应第二非线性依赖度。

本申请一些实施例中，根据非线性依赖度在初始评价指标集中筛选评价指标，得到评价指标集，包括：

若评价指标的非线性依赖度不大于预设阈值，则将该评价指标剔除；

若评价指标的非线性依赖度大于预设阈值，则将该评价指标挑选出来，组成评价指标集。

本申请一些实施例中，根据评价指标集和多个预设确定策略得到评价指标的第一权重、第二权重和第三权重，包括：

多个预设确定策略包括第一预设确定策略；

根据评价指标集和第一预设确定策略得到评价指标的第一权重，具体为：

根据评价指标集的评价指标的标准差计算变异系数，根据变异系数确定评价指标的第一权重。

本申请一些实施例中，根据评价指标集和多个预设确定策略得到评价指标的第一权重、第二权重和第三权重，包括：

多个预设确定策略还包括第二预设确定策略；

根据评价指标集和第二预设确定策略得到评价指标的第二权重，具体为：

计算评价指标集的评价指标的信息熵，根据评价指标的信息熵确定第二权重。

本申请一些实施例中，根据评价指标集和多个预设确定策略得到评价指标的第一权重、第二权重和第三权重，还包括：

多个预设确定策略还包括第三预设确定策略；

根据评价指标集和第三预设确定策略得到评价指标的第三权重，具体为：

对评价指标集中的评价指标逐个进行回归分析，得到对应的复相关系数，根据复相关系数得到第三权重。

本申请一些实施例中，根据第一权重、第二权重和第三权重确定评价指标权重，包括：

基于第一权重和第二权重得到指标组合权重；

基于指标组合权重和第三权重得到评价指标权重。

本申请一些实施例中，根据非线性依赖度修正评价指标权重，包括：

根据非线性依赖度确定评价指标权重修正系数，根据评价指标权重修正系数对评价指标权重进行修正。

通过应用以上技术方案，获取影响风机温度的评价指标，得到初始评价指标集，获取风机温度因子，得到温度因子集，评价指标用以表示风机温度因子的影响因素；根据初始评价指标集和温度因子集建立状态空间，根据状态空间得到第一非线性依赖度，根据状态空间得到第二非线性依赖度，根据第二非线性依赖度和第一非线性依赖度得到非线性依赖度；根据非线性依赖度在初始评价指标集中筛选评价指标，得到评价指标集，根据评价指标集和多个预设确定策略得到评价指标的第一权重、第二权重和第三权重，根据第一权重、第二权重和第三权重确定评价指标权重；根据非线性依赖度修正评价指标权重，根据修正后的评价指标权重和评价指标得到温度因子集中温度因子的温度分数，根据温度因子的温度分数分配降温资源。本申请通过状态空间筛选出存在因果关系的评价指标，并根据多种预设确定策略得到多种权重，根据多种权重得到评价权重，从而分配降温资源。提高了评价指标的准确性，筛选出了与温度因子存在因果关系的评价指标，保证了权重的合理性，从而获取准确的温度情况，合理的分配降温资源，减少了资源浪费。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1示出了本发明实施例提出的一种风力发电机降温方法的流程示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

本申请实施例提供一种风力发电机降温方法，如图1所示，该方法包括以下步骤：

步骤S101，获取影响风机温度的评价指标，得到初始评价指标集，获取风机温度因子，得到温度因子集，评价指标用以表示风机温度因子的影响因素。

本实施例中，影响风机温度的评价指标为可能影响风机温度的所有因素或原因，风机温度因子为能表征风机温度的热源。例如，评价指标为铁损耗、铜损耗、励磁绕组损耗、机械损耗等，温度因子可以为轴承温度、齿轮箱温度等。一般的会认为轴承温度(温度因子)由发电机发热和过载运行、轴承基本机构和安装精度、轴承载荷和转速、轴承润滑油厚度等因素(评价指标)决定。

需要说明的是，上述所举之例，轴承温度受上述因素影响，上述评价指标是通过发电机原理或专家经验所确定的(现有技术)，并不能确定所有影响轴承温度的评价指标，因此需要进行下一步求评价指标和温度因子间的因果关系，以确定某个温度因子的所有评价指标。初始评价指标集和温度因子集均有多个评价指标和多个温度因子。且初始评价指标集的时间早于温度因子集的时间，因为评价指标是温度因子产生的原因。

步骤S102，根据初始评价指标集和温度因子集建立状态空间，根据状态空间得到第一非线性依赖度，根据状态空间得到第二非线性依赖度，根据第二非线性依赖度和第一非线性依赖度得到非线性依赖度。

本实施例中，将初始评价指标集中的每个评价指标建立状态空间，将温度因子集中每个温度因子建立状态空间。将两种状态空间进行所有可能的两两组合，每两个组合时，得到第一非线性依赖度和第二非线性依赖度，以此得到非线性依赖度。

为了提高评价指标和温度因子之间因果判断的准确性，本申请一些实施例中，根据初始评价指标集和温度因子集建立状态空间，包括：状态空间包括因状态空间和果状态空间，根据初始评价指标集建立因状态空间，根据温度因子集建立果状态空间。本申请一些实施例中，根据状态空间得到第一非线性依赖度，根据状态空间得到第二非线性依赖度，包括：：根据因状态空间、果状态空间和第一预设计算方式得到第一非线性依赖度；根据因状态空间、果状态空间和第二预设计算方式得到第二非线性依赖度。

本实施例中，根据状态空间重构和近邻距离法，构建因状态空间和果状态空间。通过预设计算方式得到第一线性依赖度和第二线性依赖度。设定因状态空间为X，果状态空间为Y；

计算X

对于X中的样本点x

对于Y中的样本点y

根据状态空间的映射关系判断两者的因果关系，第一非线性依赖度公式如下：

0＜S

第二非线性依赖度公式如下：

H

可以理解的是，计算非线性依赖度时，也可以将第一非线性依赖度和第二非线性依赖度中的一个直接作为非线性依赖度。本申请为了提高非线性依赖度准确性，因此对二者进行结合。

为了进一步提高评价指标和温度因子之间因果判断的准确性，本申请一些实施例中，根据第二非线性依赖度修正第一非线性依赖度得到修正后的非线性依赖度，包括：根据第一非线性依赖度和第二非线性依赖度得到依赖度差值；根据依赖度差值与预设差值之间的关系确定第一加权值和第二加权值；根据第一加权值、第二加权值、第一非线性依赖度和第二非线性依赖度得到非线性依赖度；其中，第一加权值对应第一非线性依赖度，第二加权值对应第二非线性依赖度。

本实施例中，首先对第一非线性依赖度或第二非线性依赖度进行转化，使其与另一个非线性依赖度相对应，因为上述第一非线性依赖度或第二非线性依赖度两者大小不同，作差时进行比例转化。再将第一非线性依赖度和第二非线性依赖度作差，得到非线性依赖度差值。根据依赖度差值与预设差值之间的关系确定第一加权值和第二加权值，具体过程如下：

设定非线性依赖度差值为A，预设非线性依赖度差值数组A0(A1，A2，A3，A4)，其中，第一预设非线性依赖度差值为A1，第二预设非线性依赖度差值为A2，第三预设非线性依赖度差值为A3，第四预设非线性依赖度差值为A4，且A1＜A2＜A3＜A4；

预设第一加权值数组Q01(Q11，Q12，Q13，Q14)，其中，第一预设第一加权值为Q11，第二预设第一加权值为Q12，第三预设第一加权值为Q13，第四预设第一加权值为Q14，且Q11＜Q12＜Q13＜Q14；

预设第二加权值数组Q02(Q21，Q22，Q23，Q24)，其中，第一预设第二加权值为Q21，第二预设第二加权值为Q22，第三预设第二加权值为Q23，第四预设第二加权值为Q24，且Q21＜Q22＜Q23＜Q24，Q11+Q21＝1，Q12+Q22＝1，Q13+Q23＝1，Q14+Q24＝1；

根据非线性依赖度差值与预设非线性依赖度差值之间的关系，确定第一加权值和第二加权值；

若A＜A1，确定第一预设第一加权值Q11作为第一加权值，确定第一预设第二加权值Q21作为第二加权值；

若A1≤A＜A2，确定第二预设第一加权值Q12作为第一加权值，确定第二预设第二加权值Q22作为第二加权值；

若A2≤A＜A3，确定第三预设第一加权值Q13作为第一加权值，确定第三预设第二加权值Q23作为第二加权值；

若A3≤A＜A4，确定第四预设第一加权值Q14作为第一加权值，确定第四预设第二加权值Q24作为第二加权值。

根据第一加权值、第二加权值、第一非线性依赖度和第二非线性依赖度得到非线性依赖度，具体为：

非线性依赖度＝第一加权值*第一非线性依赖度+第二加权值*第二非线性依赖度。

步骤S103，根据非线性依赖度在初始评价指标集中筛选评价指标，得到评价指标集，根据评价指标集和多个预设确定策略得到评价指标的第一权重、第二权重和第三权重，根据第一权重、第二权重和第三权重确定评价指标权重。

本实施例中，根据确定后的非线性依赖度筛选评价指标，应用多个确定策略得到筛选出来的评价指标的权重，将多种权重进行结合，得到最后的评价指标权重。多个预设确定策略包括变异系数法、熵权法和独立性系数法。

本申请一些实施例中，根据非线性依赖度在初始评价指标集中筛选评价指标，得到评价指标集，包括：若评价指标的非线性依赖度不大于预设阈值，则将该评价指标剔除；若评价指标的非线性依赖度大于预设阈值，则将该评价指标挑选出来，组成评价指标集。

为了准确得到评价指标权重，本申请一些实施例中，根据评价指标集和多个预设确定策略得到评价指标的第一权重、第二权重和第三权重，包括：多个预设确定策略包括第一预设确定策略；根据评价指标集和第一预设确定策略得到评价指标的第一权重，具体为：根据评价指标集的评价指标的标准差计算变异系数，根据变异系数确定评价指标的第一权重。

本实施例中，第一预设确定策略为变异系数法，根据评价指标的标准差计算变异系数，根据变异系数得到第一权重。

为了准确得到评价指标权重，本申请一些实施例中，根据评价指标集和多个预设确定策略得到评价指标的第一权重、第二权重和第三权重，包括：多个预设确定策略还包括第二预设确定策略；根据评价指标集和第二预设确定策略得到评价指标的第二权重，具体为：计算评价指标集的评价指标的信息熵，根据评价指标的信息熵确定第二权重。

本实施例中，第二预设确定策略为熵权法，计算评价指标的信息熵，根据信息熵确定评价指标的第二权重。

为了准确得到评价指标权重，本申请一些实施例中，根据评价指标集和多个预设确定策略得到评价指标的第一权重、第二权重和第三权重，还包括：多个预设确定策略还包括第三预设确定策略；根据评价指标集和第三预设确定策略得到评价指标的第三权重，具体为：对评价指标集中的评价指标逐个进行回归分析，得到对应的复相关系数，根据复相关系数得到第三权重。

本实施例中，第三预设确定策略为独立性系数法，使用回归分析得到的复相关系数来表示共线性强弱(即相关性强弱)，该值越大说明共线性越强，权重会越低。

需要说明的是，变异系数法和熵权法均是根据指标所包含信息量的大小来确定权重，信息量一般是通过指标内部的变异程度和指标间的相关关系来确定。两者表示的是评价指标自身的重要性。独立系数法是利用评价指标之间的共线性强弱来确定权重。独立系数法表示的是评价指标之间的关联性。其余类似计算指标自身的重要性或指标之前的关联性的方法，均可作为预设确定策略。

本申请一些实施例中，根据第一权重、第二权重和第三权重确定评价指标权重，包括：基于第一权重和第二权重得到指标组合权重；基于指标组合权重和第三权重得到评价指标权重。

本实施例中，第一权重和第二权重是分别通过变异系数法和熵权法确定的，两者计算原理相似，可以进行组合以减少误差。

基于第一权重和第二权重得到指标组合权重，具体为：

计算公式如下：

W

基于指标组合权重和第三权重得到评价指标权重，具体为：

评价指标权重为指标组合权重和第三权重之和的平均值。

可以理解的是，其余能表征指标组合权重和第三权重之和的平均程度的方法，同样属于本申请的保护范围。

步骤S104，根据非线性依赖度修正评价指标权重，根据修正后的评价指标权重和评价指标得到温度因子集中温度因子的温度分数，根据温度因子的温度分数分配降温资源。

本实施例中，非线性依赖度的大小表征了评价指标与温度因子的因果关系的强弱，可以据此修正评价指标权重。

本申请一些实施例中，根据非线性依赖度修正评价指标权重，包括：根据非线性依赖度确定评价指标权重修正系数，根据评价指标权重修正系数对评价指标权重进行修正。具体为：

设定非线性依赖度为B，预设非线性依赖度数组B0(B1，B2，B3，B4)，其中，第一预设非线性依赖度为B1，第二预设非线性依赖度为B2，第三预设非线性依赖度为B3，第四预设非线性依赖度为B4，且B1＜B2＜B3＜B4；

设定评价指标权重为f，预设评价指标权重修正系数数组F0(F1，F2，F3，F4)，其中，第一预设评价指标权重修正系数为F1，第二预设评价指标权重修正系数为F2，第三预设评价指标权重修正系数为F3，第四预设评价指标权重修正系数为F4，且0.8＜F1＜F2＜F3＜F4＜1.2；

根据非线性依赖度与各个预设非线性依赖度之间的关系，确定评价指标权重修正系数，并据此对评价指标权重进行修正；

若B＜B1，确定第一预设评价指标权重修正系数F1作为评价指标权重修正系数，修正后的评价指标权重为f*F1；

若B1≤B＜B2，确定第二预设评价指标权重修正系数F2作为评价指标权重修正系数，修正后的评价指标权重为f*F2；

若B2≤B＜B3，确定第三预设评价指标权重修正系数F3作为评价指标权重修正系数，修正后的评价指标权重为f*F3；

若B3≤B＜B4，确定第四预设评价指标权重修正系数F4作为评价指标权重修正系数，修正后的评价指标权重为f*F4。

根据修正后的评价指标权重和评价指标得到温度因子集中温度因子的温度分数，根据温度因子的温度分数分配降温资源，具体为：

修正后的评价指标权重和评价指标之积作为温度分数，对应的温度因子温度分数越高，需要的降温力度越大，分配的降温资源越多。

通过应用以上技术方案，获取影响风机温度的评价指标，得到初始评价指标集，获取风机温度因子，得到温度因子集，评价指标用以表示风机温度因子的影响因素；根据初始评价指标集和温度因子集建立状态空间，根据状态空间得到第一非线性依赖度，根据状态空间得到第二非线性依赖度，根据第二非线性依赖度和第一非线性依赖度得到非线性依赖度；根据非线性依赖度在初始评价指标集中筛选评价指标，得到评价指标集，根据评价指标集和多个预设确定策略得到评价指标的第一权重、第二权重和第三权重，根据第一权重、第二权重和第三权重确定评价指标权重；根据非线性依赖度修正评价指标权重，根据修正后的评价指标权重和评价指标得到温度因子集中温度因子的温度分数，根据温度因子的温度分数分配降温资源。本申请通过状态空间筛选出存在因果关系的评价指标，并根据多种预设确定策略得到多种权重，根据多种权重得到评价权重，从而分配降温资源。提高了评价指标的准确性，筛选出了与温度因子存在因果关系的评价指标，保证了权重的合理性，从而获取准确的温度情况，合理的分配降温资源，减少了资源浪费。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本发明可以通过硬件实现，也可以借助软件加必要的通用硬件平台的方式来实现。基于这样的理解，本发明的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施场景所述的方法。

最后应说明的是：以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不驱使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。