[发明专利]一种基于GAN-QP特征迁移模型的风电机组状态监测方法

权利要求书

1.一种基于GAN-QP特征迁移模型的风电机组状态监测方法，其特征在于，包括以下步骤：

S1、收集两台机组类型相同但地理位置、额定功率不同的风电机组的发电机系统运行状态历史数据集；

S2、将其中一台风电机组作为源域机组，另一台风电机组作为目标域机组，分别对两台风电机组的发电机系统运行状态历史数据集进行预处理，以得到源域训练集、目标域训练集；

S3、基于目标域训练集、源域训练集对特征迁移模型进行训练，以得到训练后特征迁移模型，所述训练后特征迁移模型可将目标域机组运行数据的特征分布变换至源域机组运行数据的特征分布；

S4、基于源域训练集对自编码器进行训练，以学习源域机组正常运行状态下的数据的特征分布规则，以得到训练后自编码器；

S5、对目标域机组的发电机系统运行状态在线数据集进行预处理，以得到目标域测试集，并基于训练后特征迁移模型将目标域测试集变换至源域空间，以得到源域测试集；

S6、将步骤S5得到的源域测试集作为训练后自编码器的输入数据，计算源域测试集与源域训练集的均方误差，并基于所述均方误差判断发电机系统运行状态是否正常。

2.根据权利要求1所述的一种基于GAN-QP特征迁移模型的风电机组状态监测方法，其特征在于，步骤S2中，所述对源域机组、目标域机组的发电机系统运行状态历史数据集进行预处理，包括以下步骤：

S2.1、对历史数据集中的异常数据进行删除；：

S2.2、对经过步骤S2.1处理后的历史数据集进行归一化处理。

3.根据权利要求2所述的一种基于GAN-QP特征迁移模型的风电机组状态监测方法，其特征在于，步骤S2.1中，异常数据包括存在缺失值的数据、停机数据、超出风电机组正常运行风速区间的数据、离群数据。

4.根据权利要求3所述的一种基于GAN-QP特征迁移模型的风电机组状态监测方法，其特征在于，所述离群数据的判断包括以下步骤：

A、选取历史数据集中的某一数据点；

B、选取历史数据集中与步骤A中所选数据点距离最近的多个目标数据点；

C、基于步骤A中所选数据点以及多个目标数据点计算所选数据点的平均链式距离；

D、基于所选数据点的平均链式距离以及多个目标数据点各自对应的平均链式距离计算得到所选数据点的基于连接异常因子距离；

E、基于所选数据点的基于连接异常因子距离，判断所选数据点是否为离群数据。

5.根据权利要求4所述的一种基于GAN-QP特征迁移模型的风电机组状态监测方法，其特征在于，步骤D中，包括以下步骤：

计算多个目标数据点各自对应的平均链式距离；

计算多个目标数据点的平均链式距离的平均值；

基于所选数据点的平均链式距离以及多个目标数据点的平均链式距离的平均值，计算得到所选数据点的基于连接异常因子距离。

6.根据权利要求5所述的一种基于GAN-QP特征迁移模型的风电机组状态监测方法，其特征在于，所选数据点的平均链式距离计算公式为：

其中，k为目标数据点总数，e_i表示第i个目标数据点到所选数据点的距离。

7.根据权利要求6所述的一种基于GAN-QP特征迁移模型的风电机组状态监测方法，其特征在于，所选数据点的基于连接异常因子距离COF_k(p)的计算公式为：

其中，N_k(p)表示多个目标数据点集，表示第o个目标数据点的平均链式距离。