摘要
本发明公开了一种基于机器学习的陆上风电故障预测方法及系统,其属于故障预测技术领域,包括采集第一风电机组数据和第一环境参数,并进行预处理,对第二风电机组数据进行特征提取,得到风电机组特征数据,对风电机组特征数据和第二环境参数进行相关性筛选,基于筛选后的数据构建训练集;基于机器学习模型构建故障诊断模型,使用训练集训练;获取风电机组实时运行数据,利用训练好的故障诊断模型对风电机组实时运行数据进行诊断,根据诊断结果预测风电机组的潜在故障。本发明通过对风电机组运行数据进行分析,提前预测风电机组的未来故障,对风电机组中的异常趋势进行提前预警,辅助维护人员及时排查隐患,提高维护效率,保证风电机组的正常运行。
技术关键词
故障诊断模型
故障预测方法
构建训练集
协方差矩阵
机器学习模型
历史故障数据
风电机组运行数据
故障预测技术
参数
故障预测系统
空间特征提取
长短期记忆网络
特征值
滑动窗口法
风速
模型训练模块
系统为您推荐了相关专利信息
田间症状快速诊断方法
高光谱成像设备
芝麻
田间数据采集
枯萎病植株
人工智能电力抢修系统
大数据分析模型
电力抢修方法
数据采集模块
道路状况信息
机器学习模型
日志
标签
数据处理方法
计算机执行指令
扩展卡尔曼滤波
协方差矩阵
锂电池
开路电压曲线
等效电路模型