基于深度学习的风电机组运行风险智能检测方法及设备

本发明涉及一种基于深度学习的风电机组运行风险智能检测方法及设备，所述方法包括以下步骤：从待测风电机组运行数据中获取关键特征向量，以所述关键特征向量作为经训练的异常检测智能模型的输入，获取运行风险检测结果；其中，所述关键特征向量采用错误感知马尔可夫毯算法对风电机组海量运行状态进行特征选择确定；所述异常检测智能模型训练时，将正常数据标记为负类，异常数据标记为正类，利用双注意力机制从全局和局部视角下采用对比学习方法分析和学习风电机组运行数据的特征表示，最大化正常样本特征表示的一致性和异常样本特征表示的差异性。与现有技术相比，本发明具有在减少特征数量的同时提高异常检测能力等优点。