一种基于深度学习的风机功率异常检测与分类方法

本发明的目的在于解决现有技术中风电机组功率曲线预测存在测试周期长、测试成本高，不能满足风电机组发电性能实时在线评估要求的问题，提供一种新的风电功率智能化预测方法。其包括了数据获取、图像生成、Hiblert变换处理、分割时间序列、特征提取、模型训练、模型评估与优化等步骤。本发明的优点在于：本方法基于Hilbert变换与深度学习模型相结合的方法。利用Hibert变换提取特征，通过滑动窗口预分割多特征时间序列数据，利用Pearson相关矩阵进行特征筛选与降维，并引入Hilbert变换提取的幅值相位信息作为高权值训练特征，提高预测效果，最终实现识别异常功率曲线图并进行分类，识别准确率90％以上。