[发明专利]叶片开裂的监测模型训练方法及叶片开裂的监测方法

权利要求书

1.一种叶片开裂的监测模型训练方法，其特征在于，包括：

获取m组训练样本，其中，每组训练样本为风机机组在第一预设时长内的运行参数，所述m为正整数；

对每组训练样本标记状态标签；其中，对第一目标时段中的每组训练样本标记第一状态标签，对第二目标时段中的每组训练样本标记第二状态标签；其中，所述第一预设时长之内包括所述第一目标时段和/或所述第二目标时段，所述第一目标时段为未发现叶片开裂、且距离发现叶片开裂超过第二预设时长的时段，所述第二目标时段为距离发现叶片开裂未超过所述第二预设时长的时段；所述第一状态标签为常量；所述第二状态标签为变量，所述变量的值根据距离发现叶片开裂的时长确定；

通过标记所述状态标签后的所述m组训练样本对监测模型进行训练，得到完成训练的监测模型，其中，所述完成训练的监测模型用于根据风机机组的运行参数监测风机机组的叶片开裂状态。

2.根据权利要求1所述的方法，其特征在于，所述第一状态标签为第一数值，所述对第二目标时段中的每组训练样本标记第二状态标签，包括：

确定所述第二目标时段中每组训练样本的监测数据条数p，所述p为正整数；

根据第一映射函数，生成p个数值，以用于作为所述第二状态标签，并使得所述p个数值从所述第一数值逐渐增加或减小至第二数值；

分别对所述第二目标时段中的p组训练样本一一对应地标记p个数值。

3.根据权利要求2所述的方法，其特征在于，所述第一映射函数包括S型生长曲线sigmoid函数。

4.根据权利要求1所述的方法，其特征在于，所述通过标记所述状态标签后的所述m组训练样本对监测模型进行训练，得到完成训练的监测模型，包括：

对每组训练样本中的运行参数执行特征值映射处理，以将所述运行参数映射为对应的特征值，得到与所述m组训练样本一一对应的m组特征值训练样本；其中，所述特征值映射处理用于将每个运行参数的数值按照与所述运行参数的类型对应的第二映射函数映射为对应的特征值；

根据标记所述状态标签后的所述m组特征值训练样本，对所述监测模型进行机器学习训练，得到所述完成训练的监测模型。

5.根据权利要求4所述的方法，其特征在于，所述对每组训练样本中的运行参数执行特征值映射处理，包括：

针对每组训练样本，对所述运行参数中第一类型的运行参数进行取整处理；

和/或，

针对每组训练样本，对所述运行参数中的第二类型的运行参数按照预设间隔划分等级并标记等级；

和/或，

针对每组训练样本，利用所述运行参数中至少一种类型的运行参数，按照预设公式进行计算。

6.根据权利要求1所述的方法，其特征在于，所述通过标记所述状态标签后的所述m组训练样本对监测模型进行训练，得到完成训练的监测模型，包括：

在所述m组训练样本训练完毕的情况下，完成对所述监测模型的训练，得到所述完成训练的监测模型；

或者，

在训练次数达到预设训练次数的情况下，完成对所述监测模型的训练，得到所述完成训练的监测模型。

7.根据权利要求1-6任一项所述的方法，其特征在于，在通过标记所述状态标签后的所述m组训练样本对监测模型进行训练，得到完成训练的监测模型之前，所述方法还包括：

对所述m组训练样本执行数据清洗，以删除存在数据异常的训练样本；

和/或，

以预设条件在所述m组训练样本中筛选出风机机组稳定运行时段的特征数据记录，并删除稳定运行时段之外的特征数据记录。

8.根据权利要求7所述的方法，其特征在于，所述预设条件包括以下至少之一：

所述风机机组的开机时长超过第一阈值；

所述风机机组的发电机转速超过第二阈值；

所述风机机组的有功功率超过第三阈值；

所述风机机组的变桨速度小于第四阈值；

所述风机机组的变桨角度小于第五阈值。