[发明专利]风电机组的运行数据异常检测方法、系统及介质

权利要求书

1.一种风电机组的运行数据异常检测方法，其特征在于，包括以下步骤：

获取待检测的目标风电机组的历史运行数据，从所述历史运行数据中剔除不符合风电机组输出特性的异常数据以及非稳态数据；

选取运行工况特征参数，通过等间隔分类对所述历史运行数据进行工况划分，并通过高斯混合模型GMM对每种工况下的数据样本根据样本相似性进行聚类，根据预设的筛选标准从每种工况下的全部聚类簇中筛选出基准样本；

对风电机组在变工况下的运行状态进行分析,基于条件变分自编码器构建所述目标风电机组在变工况下的基准模型,并通过所述基准样本对所述条件变分自编码器进行训练，获取训练完成的基准模型；

通过所述训练完成的基准模型计算重构概率作为异常检测的特征指标，并获取所述目标风电机组的实时运行数据，根据所述重构概率以及所述实时运行数据的实际值与重构值之间的偏离度定位出异常的运行数据。

2.根据权利要求1所述的方法，其特征在于，所述从所述历史运行数据中剔除非稳态数据，包括：

将所述目标风电机组的输出功率表示为包含功率的变化速率的表达式；

计算相邻两个时刻输出功率的差值；

通过时间窗口内样本统计量的均值对所述功率的变化速率进行估计；

通过区间估计确定所述功率的变化速率的真实值位于的置信区间；

根据所述置信区间内是否不包括零，判断所述目标风电机组在所述时间窗口内是否处于非稳态工况，若是，则将非稳态数据剔除。

3.根据权利要求1或2所述的方法，其特征在于，所述选取的运行工况特征参数包括：风速、风向、扭矩、转速、环境温度和负荷，所述通过等间隔分类对所述历史运行数据进行工况划分，包括：

确定每个所述运行工况特征参数在自身变化范围内的最大值和最小值，并获取预设的每个所述运行工况特征参数的工况划分间隔；

通过以下公式进行等间隔工况划分：

C_i＝(S_i,S_i+ΔS)∩(D_i,D_i+ΔD)∩(M_i,M_i+ΔM)∩(N_i,N_i+ΔN)∩(T_i,T_i+ΔT)∩(P_i,P_i+ΔP)

s.t.S_i＜＜S_min,S_i+ΔS＞＞S_max,D_i＜＜D_min,D_i+ΔD＞＞D_max,M_i＜＜M_min,M_i+ΔM＞＞M_max,N_i＜＜N_min,N_i+ΔN＞＞N_max,T_i＜＜T_min,T_i+ΔT＞＞T_max,P_i＜＜P_min,P_i+ΔP＞＞P_max

其中，S是风速，D是风向，M是扭矩，N是转速，T是环境温度，P是负荷；

从划分后的全部工况中剔除无效工况，直至剩余有效工况的数目大于理论工况总数的预设比例。

4.根据权利要求1所述的方法，其特征在于，所述通过高斯混合模型GMM对每种工况下的数据样本根据样本相似性进行聚类，包括：

通过最大期望值算法估计所述高斯混合模型GMM的参数；

通过赤池信息准则AIC确定所述高斯混合模型的子模型个数，以对所述目标风电机组的状态类别进行聚类；

所述根据预设的筛选标准从每种工况下的全部聚类簇中筛选出基准样本，包括：

比较每个聚类簇下的数据样本，选择平均运行效率最高的目标数据组作为基准样本；

通过所述高斯混合模型GMM将似然远小于平均似然的样本点剔除。