[发明专利]基于深度自编码模型的风电机组叶片故障监控方法及系统

权利要求书

1.基于深度自编码模型的风电机组叶片故障监控方法，其特征在于，包括如下步骤：

步骤一：获取风电机组的SCADA实时数据；

步骤二：将所述实时数据作为原始输入值x输入到深度自编码模型中，通过所述深度自编码模型计算并输出重构输入值

步骤三：计算所述原始输入值x和重构输入值之间的重构误差RE；

步骤四：通过监视所述重构误差的变化对风电机组叶片状态进行监控。

2.根据权利要求1所述的基于深度自编码模型的风电机组叶片故障监控方法，其特征在于，所述深度自编码模型通过下述步骤构建：

A、获取风电场风电机组的SCADA数据，排除无效数据并合并有效数据来建立训练数据集；

B、建立深度自编码模型，所述深度自编码模型为具有输入层、多重隐层和输出层的对称深度神经网络模型；

C、用训练数据集的数据对所述深度神经网络模型进行训练；

D、验证所述深度神经网络模型是否有效，并在确认有效后存储该模型。

3.根据权利要求2所述的基于深度自编码模型的风电机组叶片故障监控方法，其特征在于，步骤C中训练所述深度神经网络模型包括采用受限玻尔兹曼机的预训练过程和采用反向传播算法的微调过程。

4.根据权利要求1所述的基于深度自编码模型的风电机组叶片故障监控方法，其特征在于，所述重构误差RE通过下式计算：

RE=||x^-x||2]]>

5.根据权利要求1-4任一项所述的基于深度自编码模型的风电机组叶片故障监控方法，其特征在于，所述步骤四中采用EWMA控制图表对所述重构误差的变化进行监视，当EWMA值超过阈值时进行叶片故障预警。

6.基于深度自编码模型的风电机组叶片故障监控系统，其特征在于，包括：

数据获取模块，用于获取风电机组的SCADA实时数据；

模型计算模块，用于将所述实时数据作为原始输入值x输入到深度自编码模型中，通过所述深度自编码模型计算并输出重构输入值

重构误差计算模块，用于计算所述原始输入值x和重构输入值之间的重构误差RE；

监视模块：用于通过监视所述重构误差的变化对风电机组叶片状态进行监控。

7.根据权利要求6所述的基于深度自编码模型的风电机组叶片故障监控系统，其特征在于，还包括深度自编码模型构建模块，用于通过以下步骤构建所述的深度自编码模型：

A、获取风电场风电机组的SCADA数据，排除无效数据并合并有效数据来建立训练数据集；

B、建立深度自编码模型，所述深度自编码模型为具有输入层、多重隐层和输出层的对称深度神经网络模型；

C、用训练数据集的数据对所述深度神经网络模型进行训练；

D、验证所述深度神经网络模型是否有效，并在确认有效后存储该模型。

8.根据权利要求7所述的基于深度自编码模型的风电机组叶片故障监控系统，其特征在于，步骤C中训练所述深度神经网络模型包括采用受限玻尔兹曼机的预训练阶段和采用反向传播算法的微调阶段。

9.根据权利要求6所述的基于深度自编码模型的风电机组叶片故障监控系统，其特征在于，所述重构误差计算模块通过下式计算重构误差RE：

RE=||x^-x||2]]>

10.根据权利要求6-9任一项所述的基于深度自编码模型的风电机组叶片故障监控系统，其特征在于，所述监视模块，具体用于采用EWMA控制图表对所述重构误差的变化进行监视，当EWMA值超过阈值时进行叶片故障预警。