[发明专利]基于对抗训练与Transformer的风力发电机故障诊断方法

说明书

本发明公开了基于对抗训练与Transformer的风力发电机故障诊断方法，包括：获取风力发电机产生的实时故障数据；将实时故障数据输入至预先训练的风力发电机故障诊断模型，获得风力发电机的故障诊断结果；风力发电机故障诊断模型的训练过程包括：采集风力发电机SCADA的多路故障代码数据，对故障代码数据添加扰动，查询故障代码数据的关联维度数据，获得数据训练样本；将数据训练样本按照故障原因进行划分，并对进行标量投影和位置编码；基于对抗训练算法与Transformer编码器构建风力发电机故障诊断模型；通过故障数据集对风力发电机故障诊断模型进行训练；本发明对风力发电机的可复位故障进行诊断，提高了复位效率和风力发电机运行能力。

技术领域

本发明属于风力发电机可复位故障诊断技术领域，具体涉及基于对抗训练与Transformer的风力发电机故障诊断方法。

背景技术

风力发电机能否平稳运行影响着风力发电机的发电效率，是评估风力发电机发电能力的重要指标。风力发电机在复杂的风场环境下，会因为各种原因造成风力发电机出现故障，其内部的多种传感器会触发告警，工作人员则需要依据日常工作经验判断发生故障的原因并针对不同风力发电机的不同可复位设备进行复位操作。故障诊断依赖于丰富的业务经验，不利于风力发电场运维工作的展开。因此根据风力发电机告警信息和状态信息，对已经触发的故障进行故障诊断辅助复位操作时提供决策参考，提高复位效率的方式成为业内关注的重点。

目前风力发电机的故障诊断存在以下问题：一是故障的诊断依赖于领域专家的业务经验，这需要大量先验知识。二是诊断需要参考多组数据，数据之间需要领域专家结合分析，无法迅速对故障原因进行判断，影响复位操作。

因此，将基于对抗训练的Transformer模型结合多路数据的可复位故障诊断的方法投入风力发电机的可复位故障诊断中，后续只需要基于规则对设备进行复位操作即可，极大地提高了复位效率，提高风力发电机运行能力。

发明内容

本发明的目的在于提供基于对抗训练与Transformer的风力发电机故障诊断方法，对风力发电机的可复位故障进行诊断，提高了复位效率和风力发电机运行能力。

为达到上述目的，本发明所采用的技术方案是：

本发明第一方面提供了基于对抗训练与Transformer的风力发电机故障诊断方法，包括：

获取风力发电机产生的实时故障数据；将实时故障数据输入至预先训练的风力发电机故障诊断模型，获得风力发电机的故障诊断结果；

风力发电机故障诊断模型的训练过程包括：

采集风力发电机SCADA的多路故障代码数据，对故障代码数据添加扰动，查询故障代码数据的关联维度数据，拼接各种故障代码数据对应的维度数据并进行预处理，形成数据训练样本；

将预处理后的数据训练样本按照故障原因进行划分，并打上标签形成多个故障数据集；对故障数据集进行标量投影和位置编码；

基于对抗训练算法与Transformer编码器构建风力发电机故障诊断模型；通过故障数据集对风力发电机故障诊断模型进行训练，直至风力发电机故障诊断模型收敛。

优选的，对故障代码数据添加扰动的方法包括：计算出风力发电机故障诊断模型的梯度h，并将梯度h与常数ε相乘，得到扰动量；将扰动量加到至故障代码数据。

优选的，对故障数据集进行标量投影的方法包括：通过1D卷积滤波器将故障数据集的标量上下文信息映射到d_model维度的向量

优选的，对故障数据集进行位置编码，位置编码公式为：

风力发电机故障诊断模型的输入向量，表达公式为：