[发明专利]基于SCADA和FISSA-DBN模型的风电机组运行状态监测方法

权利要求书

1.基于SCADA和FISSA-DBN模型的风电机组运行状态监测方法，其特征在于，包括以下步骤：

所述步骤(1)对SCADA检测风电机组运行的数据进行选择；

所述步骤(2)对风电机组运行数据预处理；

所述步骤(3)预测模型参数确定；

所述步骤(4)对选取的输入输出参数数据，进行标准化处理；

所述步骤(5)FISSA-DBN模型拓扑结构；

所述步骤(6)DBN参数优化；

所述步骤(7)模型训练；

所述步骤(8)预测模型应用。

2.根据权利要求1所述的基于SCADA和FISSA-DBN模型的风电机组运行状态监测方法，其特征在于：所述步骤(1)中：根据风电机组运行记录，从SCADA数据中提取风电机组的原始运行数据。

3.根据权利要求1所述的基于SCADA和FISSA-DBN模型的风电机组运行状态监测方法，其特征在于：所述步骤(2)中：基于专家领域知识，从原始SCADA数据中选取总的预测模型条件参数，根据风电场事故几率进一步处理数据信息，删除原始SCADA数据中的错误数据和不必要数据。

4.根据权利要求1所述的基于SCADA和FISSA-DBN模型的风电机组运行状态监测方法，其特征在于：所述步骤(3)中：根据数据样本，选择风电机组状态监测模型的输入条件参数和输出参数，把步骤2得到的预处理数据组，利用皮尔逊(Pearson)相关系数计算出各参数与输出参数之间的相关性，选取相关性大的参数作为模型的输入参数。

5.根据权利要求1所述的基于SCADA和FISSA-DBN模型的风电机组运行状态监测方法，其特征在于：所述步骤(4)中：对选取的输入输出参数数据，进行标准化处理，将值归化到[0-1]区间，利用该数据样本进行预测模型训练或测试。选取每种状态下20000组历史正常数据作为样本，其中随机的80％作为训练数据，20％作为测试数据。

6.根据权利要求1所述的基于SCADA和FISSA-DBN模型的风电机组运行状态监测方法，其特征在于：所述步骤(5)中：设置麻雀的种群规模、迭代次数、生产者比例和DBN网络结构的相关参数。

7.根据权利要求1所述的基于SCADA和FISSA-DBN模型的风电机组运行状态监测方法，其特征在于：所述步骤(6)中：通过FISSA来优化RBM层的学习率和隐藏层神经元数目，改善随机设置DBN初始值带来的局部优化情况，得到DBN模型的最优初始向量。

8.根据权利要求1所述的基于SCADA和FISSA-DBN模型的风电机组运行状态监测方法，其特征在于：所述步骤(7)中：根据风电机组运行状态监测研究对象，对模型进行训练，得到EWMA控制图的上下限阈值。

9.根据权利要求1所述的基于SCADA和FISSA-DBN模型的风电机组运行状态监测方法，其特征在于：所述步骤(8)中：将实际风场的SCADA数据输入到预测模型中，采用指数加权平均阈值法对风电机组运行状态进行监测。