本发明属于智能制造领域，尤其是一种基于虚拟指标的风电机组齿轮箱智能状态监测方法。
背景技术：
1、随着能源消耗的不断增加和对新型清洁能源的迫切需求，风电行业发展迅速。然而，由于风电机组在沙漠、戈壁滩和海洋等极端恶劣的环境中长期运行，风电机组各部件较易发生故障。而齿轮箱作为风电机组传动系统的核心部件，承担着将风能转化为机械能的任务，发生故障会导致长时间的停机维修与造成巨大经济损失。如果能够及时发现风电机组齿轮箱的异常运行，并采取相应的预防和控制措施，可以有效降低运行和维护成本，保证风场持续发电产生经济效益。现有风电机组齿轮箱状态监测方法大多基于单一物理指标建立状态监测模型。然而，单一物理指标无法完全表征齿轮箱运行状态，导致实际应用中误警频发，无法满足风场实时监测，准确报警的要求。
技术实现思路
1、为解决现有技术中的至少一个技术问题，本发明实施例提供一种基于虚拟指标的风电机组齿轮箱智能状态监测方法，通过构建基于卷积神经网络、长短时记忆神经网络与自编码器的智能状态监测模型，能够充分挖掘scada数据蕴藏的时间与空间特征信息，并融合为虚拟指标，实现风电机组齿轮箱状态监测与故障预警。为实现以上技术目的，本发明实施例采用的技术方案是：
2、本发明实施例提供了一种基于虚拟指标的风电机组齿轮箱智能状态监测方法，包括以下步骤：
3、步骤s10，获取风电机组的scada数据；
4、步骤s20，在获取的sacda数据中选择与齿轮箱运行状态相关的参数作为特征参数，并对所述特征参数进行归一化；
5、步骤s30，构建基于卷积神经网络、长短时记忆神经网络与自编码器的智能状态监测模型并训练；将各归一化后的特征参数输入所述智能状态监测模型，融合后得到虚拟参数；
6、步骤s40，根据所述虚拟参数构建虚拟指标，所述虚拟指标用于指示风电机组齿轮箱的健康状态；
7、步骤s50，分析风电机组齿轮箱运行时的虚拟指标概率密度分布，基于小概率事件假设设置预警阈值，当虚拟指标连续超过所述预警阈值时，判断齿轮箱出现异常。
8、更优地，在获取风电机组的scada数据之后，还包括对于获取的scada数据进行数据清洗。
9、进一步地，所述特征参数包括：齿轮箱平均油温、齿轮箱高速端轴承平均温度、齿轮箱低速端轴承平均温度、齿轮箱过滤器进口平均压力与齿轮箱过滤器出口平均压力。
10、进一步地，所述对所述特征参数进行归一化通过公式(1)进行：
11、
12、其中，s为特征参数，snorm为归一化后的特征参数，min(s)和max(s)分别为特征参数中的最小值和最大值。
13、进一步地，所述基于卷积神经网络、长短时记忆神经网络与自编码器的智能状态监测模型包括：输入层+编码器+全连接层+解码器+输出层；
14、其中，输入层包括一层卷积层；输入层用于输入特征参数；
15、编码器的结构包括：一层卷积层+一层池化层+两层长短时记忆神经网络层；
16、全连接层用于连接编码器和解码器；全连接层的输出为所述虚拟参数；
17、解码器的结构包括：两层长短时记忆神经网络层+一层池化层+一层卷积层；
18、输出层包括一层卷积层；输出层用于输出还原的特征参数。
19、进一步地，所述卷积层的神经元数量为32；所述长短时记忆神经网络层神经元数量为32；卷积层的卷积核尺寸为1；池化层的池化核尺寸为1。
20、进一步地，所述根据所述虚拟参数构建虚拟指标包括：以所述虚拟参数的均方根构建虚拟指标，构建虚拟指标时设置滑动窗口消除随机毛刺；
21、所述虚拟指标如公式(2)所示：
22、
23、其中，vi(td)表示虚拟指标；v表示虚拟参数；td表示当前时间；l表示滑动窗口的长度。
24、进一步地，所述分析风电机组齿轮箱运行时的虚拟指标概率密度分布，基于小概率事件假设设置预警阈值具体包括：计算虚拟指标的概率密度分布，将置信概率为99.95％时的概率密度函数值作为预警阈值。
25、本发明实施例提供的技术方案带来的有益效果是：
26、1)实现了风电机组齿轮箱状态监测的智能化。
27、2)用于健康检测的虚拟指标的指示性准确，实现了对风电机组齿轮箱运行健康状态的实时反馈。
28、3)预警阈值具有合理的容错率，避免频繁误警，实现了对风电机组齿轮箱运行健康状态的准确评估。
1.一种基于虚拟指标的风电机组齿轮箱智能状态监测方法，其特征在于，包括以下步骤：
2.如权利要求1所述的基于虚拟指标的风电机组齿轮箱智能状态监测方法，其特征在于，
3.如权利要求1所述的基于虚拟指标的风电机组齿轮箱智能状态监测方法，其特征在于，
4.如权利要求1所述的基于虚拟指标的风电机组齿轮箱智能状态监测方法，其特征在于，
5.如权利要求1所述的基于虚拟指标的风电机组齿轮箱智能状态监测方法，其特征在于，
6.如权利要求5所述的基于虚拟指标的风电机组齿轮箱智能状态监测方法，其特征在于，
7.如权利要求1所述的基于虚拟指标的风电机组齿轮箱智能状态监测方法，其特征在于，
8.如权利要求1所述的基于虚拟指标的风电机组齿轮箱智能状态监测方法，其特征在于，
