一种融合深度学习和贝叶斯神经网络的风电机组系统级运行状态及风险监测方法

一种融合深度学习和贝叶斯神经网络的风电机组系统级运行状态及风险监测方法，该方法融合预测与健康管理技术与概率风险评估技术，实现了风电机组的系统级运行状态及风险监测。首先，选取风电机组关键部件状态变量，获取其运行数据并进行预处理。其次，构建基于TimeMixer网络的风电机组关键部件状态监测模型。然后，基于JS散度构建关键部件健康度，实现风电机组部件级状态监测。最后，基于部件级健康度和关键状态变量构建贝叶斯神经网络拓扑结构并进行训练。通过训练后的贝叶斯神经网络预测风电机组的系统级健康度并计算风电机组故障概率上下限，实现风电机组运行风险持续估计。本发明为解决风电机组系统级运行状态及风险监测问题提供了一种方案和思路。