一种基于GAN的风机轮毂测风缺失数据的插补方法技术

本发明专利技术提供一种基于GAN的风机轮毂测风缺失数据的插补方法，涉及风机故障诊断技术领域。本发明专利技术通过从风场SCADA系统获取初始风速数据集，删除初始风速数据集中的异常数据，并按照风机编号构成风速数据集；在进行不同风机之间的风速数据相关性分析后，得出相关系数矩阵；采用蚁群算法对不同风机的风速数据进行排序；构建生成对抗网络训练时所需的训练样本、构建生成对抗网络的生成器模型及对抗器模型；将训练样本输入到生成器模型及对抗器模型中，进行迭代训练，完成数据的插补工作。本发明专利技术对风机场的数据进行了相关性分析，使得具有高相关性的数据能够聚集得更近，使得图片变得更为平滑，提高了模型训练的收敛速度；该方法能够进行较长时间的数据插补。

【技术实现步骤摘要】
一种基于GAN的风机轮毂测风缺失数据的插补方法
本专利技术涉及风机故障诊断
，尤其涉及一种基于GAN的风机轮毂测风缺失数据的插补方法。
技术介绍
随着全球风力发电能力持续增长和风电场的快速扩张、风机的不断应用，机组机舱体积随之增大，轮毂位置也更高，风机安全运行的挑战越来越大。风机不同部位故障皆有可能引起风机停电，即使是一些微小的故障的维修，都会带来昂贵的成本，风机的维护面临着众多挑战。研究表明，对风机进行预防性维护，可以大大降低风机故障后维修的成本。可靠的风机轮毂测风数据在风电功率预测、风电场安全运行评估、风电数值预报等方向应用广泛，有利于风机的安全运行维护，也是确定风电场荷载、有效利用风能的基础；但其数据的缺测、偏离等常困扰和影响着应用的可靠性和效果。因此，对风电场的风机轮毂测风数据的缺失部分进行补偿，其重要性不言而喻。对风电场测风数据的缺失情况，有多种插补方法，包括最小二乘法、卡尔曼滤波插补法、BP神经网络法、ARIMA插补方法等。以任意一台风机为例，设计插补方案，经过使用多种方法研究对比，最小二乘法插补效果不佳，卡尔曼滤波插补在时间序列上插补局限性较大；BP神经网络法插补本文档来自技高网...

【技术保护点】
1.一种基于GAN的风机轮毂测风缺失数据的插补方法，其特征在于：包括以下步骤：步骤1：从风场SCADA系统获取包含风机属性的风机数据，并从该数据中提取每个风机的风速数据，构成初始风速数据集；步骤2：删除初始风速数据集中的异常数据，将风速数据按照风机编号构成风速数据集D；所述异常数据包括：风速错误记录为非数值格式的数据、长时间都恒定不变的风速数据；步骤3：进行不同风机之间的风速数据相关性分析，得出相关系数矩阵C；步骤4：采用蚁群算法对不同风机的风速数据进行排序，得到排序后的风速数据样本

【技术特征摘要】
1.一种基于GAN的风机轮毂测风缺失数据的插补方法，其特征在于：包括以下步骤：步骤1：从风场SCADA系统获取包含风机属性的风机数据，并从该数据中提取每个风机的风速数据，构成初始风速数据集；步骤2：删除初始风速数据集中的异常数据，将风速数据按照风机编号构成风速数据集D；所述异常数据包括：风速错误记录为非数值格式的数据、长时间都恒定不变的风速数据；步骤3：进行不同风机之间的风速数据相关性分析，得出相关系数矩阵C；步骤4：采用蚁群算法对不同风机的风速数据进行排序，得到排序后的风速数据样本步骤5：根据风速数据样本构建生成对抗网络训练时所需的训练样本；步骤6：构建生成对抗网络的生成器模型MG及对抗器模型MD；步骤7：将训练样本输入到生成器模型及对抗器模型中，进行迭代训练，完成数据的插补工作。2.权利要求1所述的一种基于GAN的风机轮毂测风缺失数据的插补方法，其特征在于：所述步骤3具体步骤如下：步骤3.1：计算风场不同的风机风速样本之间的PCC系数，建立PCC相关系数向量；步骤3.2：计算风场不同的风机风速样本之间的MIC系数，建立MIC相关系数向量；步骤3.3：将PCC相关系数向量设置为变量A,将MIC相关系数设置为变量B，构成相关系数矩阵P(A,B)；步骤3.4：对相关系数矩阵P(A,B)进行归一化处理,计算变量A及变量B的信息熵值；步骤3.5：根据计算所得的信息熵值计算变量A的及变量B的权重；步骤3.6：根据计算所得的权重得出最终的相关性系数矩阵C。3.权利要求1所述的一种基于GAN的风机轮毂测风缺失数据的插补方法，其特征在于：所述步骤4具体步骤如下：步骤4.1：根据相关系数矩阵C，构建风机之间的连接集合U；步骤4.2：设置蚁群算法的初始化参数，蚁群蚂蚁数量h，信息素强度程度因子δ，信息素挥发因子ρ，最大迭代次数l，相关性系数矩阵C；步骤4.3：根据蚁群算法开始进行训练；随机...

【专利技术属性】
技术研发人员：刘金海，洪晓伟，汪刚，马大中，卢森骧，张化光，冯健，
申请(专利权)人：东北大学，
类型：发明
国别省市：辽宁,21