[发明专利]风电机组的运行数据异常检测方法、系统及介质

说明书

本申请提出了一种风电机组的运行数据异常检测方法、系统及介质，该方法包括：从目标风电机组的历史运行数据中剔除异常数据以及非稳态数据；通过等间隔分类对历史运行数据进行工况划分，并通过高斯混合模型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筛选出基准样本；基于条件变分自编码器构建目标风电机组在变工况下的基准模型,并通过基准样本进行训练；通过训练完成的基准模型计算重构概率，并获取所述目标风电机组的实时运行数据，根据重构概率以及实时运行参数的偏离度定位出异常的运行数据。该方法可以在变工况的条件下建立精确的基准模型，提高了机组在变工况下运行状态评估的准确性，并可精确定位异常参数。

技术领域

本申请涉及风力发电技术领域，尤其涉及一种风电机组的运行数据异常检测方法、系统及介质。

背景技术

随着风力发电的普及率不断提升，人们开始更加关注维护风电机组安全稳定生产，对风电机组健康状态的监测与评估是确保风电机组安全稳定生产的重要基础。其中，风力发电机组运行数据异常检测是对机组在当前工况下运行状态是否异常进行衡量，也是开展风力发电机组的健康维护工作的前提，同时，机组处于健康运行状态下的运行数据是风电机组发电功率预测的基础。目前，一般是通过监测并分析风电机组的实时运行数据，比较当前数据与基准数据的差异，从而进行异常判别。因此风电机组运行状况异常检测的核心内容是基准模型的建立。

相关技术中，通常是先进行风电机组的性能试验，根据试验结果结合相关的数学模型搭建机组运行状态评价的基准模型。然而，由于风电机组运行参数间相互耦合，并且受到外部边界条件的影响，呈现出高维、动态且非线性的特点。此外，随着风电机组设备老化以及外界条件的改变，机组的实际基准状态与设计值往往偏差较大。因此，上述相关技术组中的方式无法满足风电机组在工况变换的情况下进行基准建模的需求，建立的模型不适用于实际应用中的变工况场景，导致对风电机组的运行状态进行异常检测的准确性较低，无法及时发现机组存在的异常。

发明内容

本申请旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本申请的第一个目的在于提出一种风电机组的运行数据异常检测方法，该方法采用变自编码器模型对变工况的数据进行重构，建立了多特征参数融合的异常检测模型，实现对风电机组在变工况条件下健康状况的实时动态评估，从而可以在变工况的条件下建立精确的基准模型，提高了机组在变工况下运行状态评估的准确性，并可精确定位异常参数。

本申请的第二个目的在于提出一种风电机组的运行数据异常检测系统；

本申请的第三个目的在于提出一种非临时性计算机可读存储介质。

为达上述目的，本申请的第一方面实施例在于提出一种风电机组的运行数据异常检测方法，该方法包括以下步骤：

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。