[发明专利]一种风力发电机的异常识别方法

摘要

本发明的一种风力发电机的异常识别方法，将SCADA数据中异常的属性剔出，保留的其他属性经k‑means聚类；将属性分别经t‑SNE降低成固定维数；将降维后的有效数据进行皮尔森相关系数计算排序，转换为图片作为CNN的输入，通过对图片二分类实现风机的正异常判断。该异常识别方法在建立风机异常识别模型时，输入输出涉及所有属性，模型可以有效识别多类属性同时发生多种异常，模型具有通用性，适用于任何风场；采用先聚类后类内降维的数据预处理方法，去除了不必要的干扰，提高准确性；采用卷积神经网络进行属性异常识别可抑制噪声干扰，准确发现风机属性图片微小变化，较强的区别特征的能力和鲁棒性使其具有更好的准确性。

主权项

1.一种风力发电机的异常识别方法，其特征在于，包括以下步骤：步骤1：从风场SCADA系统采集多组包含多种风机属性的风机数据，构成初始风机数据集；步骤2：删除初始风机数据集中的异常数据，以获得完整风机数据集，所述异常数据包括：某组大量缺失风机属性的风机数据；风机数据中某种每日、每月或每年都恒定不变的风机属性，处理后风机属性个数为n；步骤3：采用小波阈值法对完整风机数据集进行降噪处理；步骤4：采用k‑means的聚类方法对降噪后的整个风机数据集中的风机属性分类，聚类后使得类内属性相似，类间属性相离；步骤5：采用t‑SNE算法对聚类处理后的风机数据集进行降维处理；步骤6：将降维后的数据进行皮尔森相关系数的计算分析，把数据按照相关系数的大小进行排列，风机数据集组织为具有相同尺寸的图像；步骤7：将进行皮尔森相关系数分析后组成的图像送到卷积神经网络，并进行风机的异常识别；步骤8：确定风机发生异常后，通过准则判定发生异常的风机属性所属的类别；步骤9：通过对风机属性异常的识别，验证该风力发电机异常识别方法的有效性。