基于机器学习的风电机组运行状态监测方法

本发明涉及数据处理技术领域，尤其涉及一种基于机器学习的风电机组运行状态监测方法，该方法在风电机组运行时，将获取的预设时段内的多种数据指标对应的数据序列中的每个数据进行对数变换得到对应的对数值，构建所有对数值的散点图；获取DBSCAN算法的邻域半径和最小样本数，根据邻域半径和最小样本数得到散点图中所有数据点的聚类结果；根据聚类结果得到多个边界点，根据每个边界点的邻域半径范围内的数据点的分布特征获取每个边界点的孤立程度，根据每个边界点的孤立程度获取散点图中的异常点；根据散点图中的异常点对风电机组的运行状态进行监测，提高DBSCAN算法对风电机组运行状态监测的准确性。