[发明专利]基于改进深度信念网络的风电机组状态参数预测方法

摘要

本发明属于电气设备故障诊断方法技术领域，具体涉及基于改进深度信念网络的风电机组状态参数预测方法，本发明首先对数据样本与输入参数选择进行了优化，利用遗传算法改进了深度信念网络的参数训练过程，以状态参数预测模型的预测精度为目标构建了基于改进深度信念网络的状态参数预测模型，本发明构建的模型可以有效预测发电机后端轴承温度，验证了基于遗传优化深度信念网络的状态参数预测模型有效性，说明该模型可以及时发现状态参数的异常信息，有助于及时感知风电机组的异常运行状态，从而避免风电机组严重故障的发生，这对于风电机组的安全稳定运行具有重要意义。

主权项

1.基于改进深度信念网络的风电机组状态参数预测方法，其特征在于：包括以下步骤：/nS1：选取风电机组状态参数的预测样本数据和输入参数；/nS2：选择sigmoid函数作为隐含层的激活函数，构建基于深度信念网络的风电机组状态参数预测模型；/nS3：采用遗传算法改进神经网络的训练过程，完成逐层预训练，得到预测模型中所有神经元的权重矩阵参数变量w和偏置变量b；/nS4：完成步骤S3的预训练后采用BP算法对所有参数进行统一训练，调整参数得到输出层的最终参数；/nS5：完成步骤S4的参数训练之后，依次计算预测样本的每一层神经元的输出，得到输出层神经元的输出，即为待预测样本的状态参数预测值；/nS6：计算状态参数预测的均方根误差、平均绝对误差、平均相对误差，验证风电机组状态参数预测的准确度。/n