一种基于深度学习的风电场无人值守系统

本发明涉及风电场无人值守技术领域，具体涉及一种基于深度学习的风电场无人值守系统，包括：环境采集单元，获取风电场的环境数据；风电场状态预测单元，提取风电场的历史环境数据，划分为训练样本与测试样本，构建基于MLP神经网络的风电场状态预测模型，将训练样本输入至风电场状态预测模型进行计算，并计算预测训练结果与测试集之间的损失值，迭代更新风电场状态预测模型的参数，直至完成风电场状态预测模型的训练；模型优化单元，以风电场的安全性、风险、环境适应性、发电效率及维护效率之间取平衡作为优化目标，对风电场状态预测模型进行优化，输出最优风电场状态预测模型，并基于最优风电场状态预测模型执行风电场的无人值守。