[发明专利]一种风机叶片结冰状态检测方法、装置及可读存储介质

权利要求书

1.一种风机叶片结冰状态检测方法，其特征在于，包括以下步骤：

获取风力发电厂实际运行的SCADA数据，得到特征数据集，对所述数据集进行归一化处理，得到归一化后的数据集；

构建扩展深度信念网络模型，利用所述归一化后的数据集对所述扩展深度信念网络模型进行训练，并利用代价敏感学习对扩展深度信念网络模型进行优化，得到用于结冰检测的扩展深度信念网络模型；

采集需要检测的SCADA数据，将所述需要检测的SCADA数据输入至用于结冰检测的扩展深度信念网络模型中，得到结冰状态检测结果。

2.根据权利要求1所述的风机叶片结冰状态检测方法，其特征在于，对所述数据集进行归一化处理，得到归一化后的数据集，具体包括，利用归一化公式对所述数据集的数据进行归一化，得到归一化后的数据集，所述归一化公式为

其中，X₀为需要进行归一化的数据，X₁为归一化后的数据，X_max为一维数据中的最大值，X_min为一维数据中的最小值。

3.根据权利要求1所述的风机叶片结冰状态检测方法，其特征在于，利用所述归一化后的数据集对所述扩展深度信念网络模型进行训练，具体包括，在归一化的数据集取出一组数据作为输入向量，将所述输入向量输入至扩展深度信念网络模型中，并计算隐藏层神经元被激活的概率，根据隐藏层神经元被激活的概率确定隐藏层神经元的取值，更新扩展深度信念网络模型中连接权重值、可视层与隐藏层的偏置值。

4.根据权利要求2所述的风机叶片结冰状态检测方法，其特征在于，所述计算隐藏层神经元被激活的概率，具体包括，

通过激活概率公式计算隐藏层神经元被激活的概率，所述激活概率公式为其中，p(h_j＝1|h)为隐藏层神经元被激活的概率，σ为激活函数，h为隐藏层神经元变量，b_j为隐藏层b中第j个神经元的偏置值，w_i,j为隐藏层b中第j个神经元与可见层a中第i个神经元的权重值，v_i为输入向量。

5.根据权利要求4所述的风机叶片结冰状态检测方法，其特征在于，根据隐藏层神经元被激活的概率确定隐藏层神经元的取值，具体包括，若隐藏层神经元被激活的概率大于或等于设定阈值，则该隐藏层神经元处于激活状态，其取值为1，若隐藏层神经元被激活的概率小于设定阈值，则该隐藏层神经元处于未激活状态，其取值为0。

6.根据权利要求5所述的风机叶片结冰状态检测方法，其特征在于，所述更新扩展深度信念网络模型中连接权重值、可视层与隐藏层的偏置值，具体包括，根据隐藏层神经元的取值反推可见层神经元的取值，得到重构误差，根据重构误差更新扩展深度信念网络模型中连接权重值、可视层与隐藏层的偏置值。

7.根据权利要求1所述的风机叶片结冰状态检测方法，其特征在于，所述利用代价敏感学习对扩展深度信念网络模型进行优化，具体包括，以未结冰样本为正类样本，以结冰样本为负类样本，以误分类代价为目标函数，采用自适应差分进化算法优化目标函数，得到最优的误分类代价，将所述最优的误分类代价作用于扩展深度信念网络模型的输出层。

8.根据权利要求1所述的风机叶片结冰状态检测方法，其特征在于，还包括，以准确率Acc作为误分类代价的评价指标，

其中，TP表示正确识别为正类样本的数量，TN表示错误识别为正类样本的数量，FN表示错误识别为负类样本的数量，TN表示正确识别为负类样本的数量。

9.一种风机叶片结冰状态检测装置，其特征在于，包括处理器以及存储器，所述存储器上存储有计算机程序，所述计算机程序被所述处理器执行时，实现如权利要求1-8任一所述的风机叶片结冰状态检测方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机该程序被处理器执行时，实现如权利要求1-8任一所述的风机叶片结冰状态检测方法。