摘要
本发明公开了一种基于自编码器的风电机组全系统异常检测方法与系统,包括:风电机组状态参数采集和预处理;状态参数相关性分析与选择;构建和预训练基于自编码器的参数重构模型;评估相似状态风电机组以训练基于自编码器的参数重构模型;异常检测动态阈值曲线设置;风电机组异常参数识别。本发明分析相关状态参数以构建基于自编码器的风电机组全系统参数重构模型,并通过评估相似状态的风电机组丰富学习数据,为每个参数构建动态检测阈值曲线,设计一种异常参数识别策略,根据超限误差分析和识别最有可能导致异常的参数。本发明提高了风电机组异常检测的准确率,为风电机组的运维规划提供了支持。
技术关键词
重构模型
系统异常检测方法
重构误差
编码器
参数
估计概率密度函数
风电机组运行数据
核密度估计方法
连续运行时间
梯度提升决策树算法
归一化方法
动态
曲线
关系
聚类
系统为您推荐了相关专利信息
速度测量方法
直流有刷电机
电机运行速度
电机反电动势
模型校准
医学影像分类方法
Adam算法
图像
轻量级神经网络
输入神经网络模型