1.一种基于在线RBF神经网络的风力发电机组运行状态监测方法，其特征在于，包括以下所示步骤：步骤(1)：在风力发电机组正常运行状态下，按照数据采集系统固有的采样时间间隔采集数据，并将每个采样时刻采集的11个数据组成一个11×1维的数据向量；其中，每个采样时刻可采集的11个数据依次是：风速，旋翼转速，发电机转速，机械转矩，发电功率，叶片螺距角，叶片方位角，叶片根部力矩，顶部水平轴加速度，顶部纵轴加速度和偏航误差；

步骤(2)：将风速介于切入风速和切出风速之间的n个数据向量x1，x2，…，xn组成矩阵X

11×n

＝[x1，x2，…，xn]，并根据公式 对X∈R 中的行向量

11×1

y1，y2，…，y11实施归一化处理从而得到新矩阵 其中，第i个数据向量xi∈R 中的

11×n

11个数据是按照步骤(1)中的顺序依次排列，i∈{1，2，…，n}，R 表示11×n维的实数矩

11×1

阵，R表示实数集，R 表示11×1维的实数向量，yd表示矩阵X中第d行的行向量，d∈{1，

2，…，11}， 表示新矩阵 中第d行的行向量，yd(min)和yd(max)分别表示yd中元素的最小值和最大值；

步骤(3)：对新矩阵 中的列向量 实施边缘程度分析，从而得到各个列向量对应的边缘程度指标β1，β2，…，βn，具体的实施过程如步骤(3.1)至步骤(3.6)所示；

n×n

步骤(3.1)：计算 中的各个列向量之间的距离，从而组建距离矩阵ζ∈R ；其中，距离矩阵ζ中的第i行第j列元素ζ(i，j)等于 中的第i列向量 与第j列向量 之间的距离，即上标号T表示矩阵或向量的转置；

步骤(3.2)：设置阈值δ等于ζ中所有元素的平均值后，再初始化i＝1；

步骤(3.3)：设置ζi表示距离矩阵ζ中的第i行向量后，根据ζi中不等于0且小于δ的元素所在的列，对应的将新矩阵 中相同列的列向量记录为 其中，ki表示ζi中不等于0且小于δ的元素总数；

步骤(3.4)：根据如下所示公式①计算列向量 对应的法向量fi：上式中， 表示计算 与 之间的距离，b＝1，

2，…，ki；

步骤(3.5)：根据如下所示公式②计算列向量 对应的边缘程度指标βi：上式中，θb为二进制数，其取值规律如下所示：

步骤(3.6)：判断是否满足条件i＜n；若是，则设置i＝i+1后，返回步骤(3.3)；若否，则得到列向量 分别对应的边缘程度指标β1，β2，…，βn；

步骤(4)：按照数值大小对β1，β2，…，βn进行降序排列后，将最大的M个边缘程度指标对应的列向量记录为基中心向量c1，c2，…，cM，将最小的m个边缘程度指标对应的列向量记录为基中心向量cM+1，cM+2，…，cM+m，再随机从其余n‑(M+m)个边缘程度指标对应的列向量中选取E个列向量并记录为基中心向量cM+m+1，cM+m+2，…，cM+m+E；其中，M+m+E小于n；

步骤(5)：计算基中心向量c1，c2，…，cN两两之间的距离后，再将所有距离的平均值记录为基宽度γ；其中，N＝M+m+E；

步骤(6)：分别依次将列向量 当作RBF神经网络的输入向量，并根据如下所示公式④计算RBF神经网络中间层神经元的输出向量z1，z2，…，zn：N×1 N×1

上式中，zi∈R 表示第i个输出向量，i∈{1，2，…，n}， R表示N×1维的实数向量，e表示自然常数；

步骤(7)：利用风力发电机组的数据采集系统，采集最新采样时刻的11个数据从而组成

11×1

数据向量xt∈R ，并判断xt中的第一个数据是否介于切入风速和切出风速之间；若是，则执行步骤(8)；若否，则风力发电机处于脱机状态，并重复本步骤(7)继续利用最新采样时刻的数据向量实施运行状态监测；其中，xt中的11个数据是按照步骤(1)中的顺序依次排列的，下标号t表示最新采样时刻；

步骤(8)：先根据公式 对xt中的各个数据实

施归一化处理得到数据向量 后，再将 当作RBF神经网络的输入向量，从而根据如下所示N×1公式⑤计算RBF神经网络中间层神经元的输出向量zt∈R ；其中，xt(d)和 分别表示xt和 中的第d个数据；

T

步骤(9)：根据公式Gt＝(zt‑μ)(zt‑μ) 计算出矩阵Gt后，求解广义特征值问题Gtpt＝λN×1tLpt中最大特征值λt对应的特征向量pt∈R ，再根据公式 计算得到RBF神N×n经网络输出层神经元的权重向量wt；其中，均值向量μ＝(z1+z2+…+zn)/n，均值矩阵U∈RT是由n个均值向量μ组成，Z＝[z1，z2，…，zn]，L＝(Z‑U)(Z‑U) ；

步骤(10)：根据公式 和 分别计算监测指标

n×1

qt和参考向量Q∈R 后，再将Q中的最大值记录为Qt；其中，diag{}表示将花括号内矩阵对角线元素转变成列向量的操作；

步骤(11)：判断是否满足条件：qt≤Qt；若是，则当前采样时刻风力发电机组运行正常，并返回步骤(7)；若否，则执行步骤(12)；

步骤(12)：返回步骤(7)继续利用最新采样时刻的数据实施风力发电机组的运行状态监测；若连续6个采样时刻的监测指标皆不满足步骤(11)中的判断条件，则触发工作异常警报，并及时安排人员进行维护；反之，则风力发电机组正常运行，并返回步骤(7)继续实施对风力发电设备的状态监测。