摘要
本发明公开了一种基于SCADA周期型数据的风力发电机异常检测方法及系统,包括:获取实际运行的风力发电机SCADA系统采集的运行数据;通过提出SCADA告警的异常数据外,构建正常数据集,SCADA系统所采集的异常数据包括周期型、平稳型和无规律波动型;对异常数据中三种类型的数据进行初步标注;利用神经网络模型对获得的数据进行数据模式识别,识别出周期型数据;对输出结果为周期型的数据进行特征工程处理,抽取对应的数据特征;利用孤立森林计算异常分数的方式对特征进行增强;利用机器学习模型将时间窗口内形成的特征向量进行异常分类,检测出周期型数据中的异常数据。本发明的方法可以提高风力发电机异常数据检测的准确度。
技术关键词
周期型数据
异常检测方法
风力发电机
SCADA系统
XGBoost模型
异常数据
LightGBM模型
残差模块
混合神经网络模型
特征工程
BiLSTM模型
样本
模式识别
序列
标签
构建机器学习模型
线性时间算法
系统为您推荐了相关专利信息
故障控制方法
偏航机构
双向长短期记忆
DBSCAN算法
集群
风力发电机系统
人工神经网络
仿真环境
桨叶
风力发电机偏航
指标异常检测方法
异常检测系统
实时数据
广义极值分布
模型训练模块