一种基于云模型的风电场定检故障识别方法

本申请提供一种基于云模型的风电场定检故障识别方法，包括：通过特征工程，从处理后的风场定检数据中提取风机运行状态特征、环境因素特征等关键特征，构建包含设备效能分类标签的训练数据集；根据风场设备的层级结构，设计深度神经网络模型的网络架构，所述深度神经网络模型包括卷积神经网络、长短期记忆网络和注意力机制；使用focal loss损失函数训练所述深度神经网络模型，通过加大对难分样本的关注度，进一步提升所述深度神经网络模型的故障识别准确性；使用独立的测试集对训练完成的深度神经网络模型进行性能评估，采用精确率、召回率、F1值指标，评估所述深度神经网络模型在各效能等级上的分类性能。