1.基于转子惯量的风机叶片覆冰监测方法,其特征在于,包括以下步骤:根据风机传动系统结构,构建三质块模型;
根据所述三质块模型、风机传动系统参数和输入系统的转矩矩阵,构建传动系统参数模型;
根据所述传动系统参数模型,构建第一扩展参数向量;
根据所述第一扩展参数向量,构建后验分布方程;
根据窗口采样长度,计算初始扩展参数向量和扩展参数向量协方差矩阵;
根据所述后验分布方程,更新所述初始扩展参数向量和所述扩展参数向量协方差矩阵,直至达到预设迭代要求;
从更新后的所述初始扩展参数向量中提取风机转子惯量值;
根据多项所述风机转子惯量值,进行风机叶片覆冰监测,得到覆冰监测结果。
2.根据权利要求1所述的方法,其特征在于,所述根据所述三质块模型、风机传动系统参数和输入系统的转矩矩阵,构建传动系统参数模型,包括:根据扭转系统惯量矩阵、等效阻尼系数矩阵、等效刚度矩阵、角加速度矩阵、角速度矩阵、角位移矩阵和所述输入系统的转矩矩阵,构建系统扭转方程;
根据所述三质块模型、所述风机传动系统参数和所述系统扭转方程,构建所述传动系统参数模型。
3.根据权利要求1所述的方法,其特征在于,所述根据所述传动系统参数模型,构建第一扩展参数向量,包括:根据所述传动系统参数模型、风机运行数据和模型待测参数向量,构建输入系统的转矩向量方程;
根据所述输入系统的转矩向量方程和所述模型待测参数向量,构建所述第一扩展参数向量。
4.根据权利要求1所述的方法,其特征在于,所述根据所述第一扩展参数向量,构建后验分布方程,包括:根据所述第一扩展参数向量,构建先验概率密度函数;
根据历史测量数据和所述第一扩展参数向量,构建第一似然函数;
根据所述先验概率密度函数、所述第一似然函数和归一化常数,构建所述后验分布方程。
5.根据权利要求1所述的方法,其特征在于,所述根据窗口采样长度,计算初始扩展参数向量和扩展参数向量协方差矩阵,包括:根据所述窗口采样长度和滑动速率,初始化首窗口评估参数,所述首窗口评估参数包括初始待测参数向量和输入转矩向量;
根据所述初始待测参数向量,计算待测参数向量协方差矩阵;
根据所述输入转矩向量,计算转矩向量协方差矩阵;
根据所述初始待测参数向量和所述输入转矩向量,计算所述初始扩展参数向量;
根据所述待测参数向量协方差矩阵和所述转矩向量协方差矩阵,计算所述扩展参数向量协方差矩阵。
6.根据权利要求1所述的方法,其特征在于,所述根据所述后验分布方程,更新所述初始扩展参数向量和所述扩展参数向量协方差矩阵,包括:对所述后验分布方程进行取对数处理,得到后验分布对数方程;
对所述后验分布对数方程中的第二似然函数进行展开处理,得到似然展开方程;
当后验概率密度函数导数值为0时,根据所述似然展开方程,构建最大后验评估方程;
采用一阶近似迭代对所述最大后验评估方程进行求解,得到后验扩展参数向量与先验扩展参数向量之间的关系式;
根据所述先验扩展参数向量和所述关系式,计算响应敏感度;
根据所述响应敏感度,计算卡尔曼增益矩阵;
根据所述卡尔曼增益矩阵,更新所述初始扩展参数向量和所述扩展参数向量协方差矩阵。
7.根据权利要求1所述的方法,其特征在于,所述根据多项所述风机转子惯量值,进行风机叶片覆冰监测,得到覆冰监测结果,包括:将未覆冰时的风机转子惯量值作为标准惯量值;
将明显覆冰时的风机转子惯量值作为覆冰发生惯量阈值;
将实时测量时的风机转子惯量值作为风机转子惯量实时评估值;
根据所述标准惯量值和所述覆冰发生惯量阈值,计算覆冰监测阈值;
根据所述风机转子惯量实时评估值和所述标准惯量值,计算实时覆冰监测值;
根据所述覆冰监测阈值和所述实时覆冰监测值,得到所述覆冰监测结果。
8.基于转子惯量的风机叶片覆冰监测装置,其特征在于,包括:第一模块,用于根据风机传动系统结构,构建三质块模型;
第二模块,用于根据所述三质块模型、风机传动系统参数和输入系统的转矩矩阵,构建传动系统参数模型;
第三模块,用于根据所述传动系统参数模型,构建第一扩展参数向量;
第四模块,用于根据所述第一扩展参数向量,构建后验分布方程;
第五模块,用于根据窗口采样长度,计算初始扩展参数向量和扩展参数向量协方差矩阵;
第六模块,用于根据所述后验分布方程,更新所述初始扩展参数向量和所述扩展参数向量协方差矩阵,直至达到预设迭代要求;
第七模块,用于从更新后的所述初始扩展参数向量中提取风机转子惯量值;
第八模块,用于根据多项所述风机转子惯量值,进行风机叶片覆冰监测,得到覆冰监测结果。
9.一种计算机装置,其特征在于,包括:至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现如权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法。