基于生成对抗网络的风机数据缺失修复方法及装置制造方法及图纸

本公开提供了一种基于生成对抗网络的风机数据缺失修复方法及装置，涉及大数据处理领域。具体步骤为：将修复向量输入预先训练的生成器以生成第二风机数据矩阵；根据所述第二风机数据矩阵生成修复数据矩阵；将修复数据矩阵输入判别器以生成分类变量；根据分类变量、第二风机数据矩阵和缺损数据矩阵优化修复向量，以获取推荐修复变量；将所述推荐修复变量输入所述生成器，以生成推荐第二风机数据矩阵，根据所述推荐第二风机数据矩阵修复缺损数据矩阵，以生成推荐修复数据矩阵。本公开通过优化修复向量来生成推荐修复变量，并根据推荐修复变量修复缺损数据矩阵，实现了对缺损数据矩阵的修复，提高了修复后风机数据与真实数据的接近度。近度。近度。

【技术实现步骤摘要】
基于生成对抗网络的风机数据缺失修复方法及装置


[0001]本公开涉及大数据处理领域，尤其涉及一种基于生成对抗网络的风机数据缺失修复方法及装置。

技术介绍

[0002]风电场大多数地处偏远地区，建设在山地、丘陵、海上、戈壁等地，交通极其不便利，人员运维工作困难。目前风机监控系统全部采用数据采集与监视控(SCADA)系统，用来实时监控各个风机的状态，并按照一定时间间隔实时采集风机运行数据。SCADA系统主要采集风电机组的风速、风向、压力、温度、湿度等气象数据和电流、电压、有功功率、无功功率、功率因数、变桨角度、电网频率等运行数据。然而，由于传感器失效、网络阻塞、极端天气、停机检修等可能造成数据缺失，如果不能有效恢复这些缺失数据，会对风电机组的安全运行造成严重影响。因此，风机数据修复对于风机运行状态的监测与控制具有十分重要的意义。
[0003]相关技术中，对于风机数据修复方法的为线性修复方法，仅逐个考虑单一特征数据的缺失填补，未能考虑特征的时序性和分布特性，没有利用大量的正常数据，因此修复后风机数据与真实数据差别较大。r/>
技术实现思路
<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于生成对抗网络的风机数据缺失修复方法，其特征在于，包括：将修复向量输入预先训练的生成器以生成第二风机数据矩阵；根据所述第二风机数据矩阵修复缺损数据矩阵，以生成修复数据矩阵；将所述修复数据矩阵输入预先训练的判别器以生成分类变量；根据所述分类变量、第二风机数据矩阵和修复数据矩阵优化所述修复向量，以获取推荐修复变量；将所述推荐修复变量输入所述生成器，以生成推荐第二风机数据矩阵，根据所述推荐第二风机数据矩阵修复所述缺损数据矩阵，以生成推荐修复数据矩阵。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取历史无缺损风机数据，并将所述历史无缺损数据标准化以获取标准风机数据；根据预设的采样周期将所述标准风机数据划分为多个数据集合，根据所述数据集合中的标准风机数据生成第一风机数据矩阵。3.根据权利要求2所述的方法，其特征在于，所述将所述历史无缺损数据标准化以获取标准风机数据的公式化表达为：其中，x为所述历史无缺损风机数据中变量对应的值，为所述历史无缺损风机数据中变量对应的平均值，x
stf
为所述历史无缺损风机数据中变量对应的标准差，为所述标准风机数据。4.根据权利要求3所述的方法，其特征在于，所述生成器和所述判别器的训练步骤包括：将训练向量数据输入所述生成器，以生成训练数据矩阵；将所述第一风机数据矩阵和所述训练数据矩阵输入所述判别器，获取对应的分类结果；根据所述训练数据矩阵的分类结果和所述第一风机数据矩阵的分类结果计算第一损失函数，根据所述第一损失函数训练所述判别器；根据所述训练数据矩阵的分类结果计算第二损失函数，根据所述第二损失函数训练所述生成器。5.根据权利要求4所述的方法，其特征在于，所述将所述第一风机数据矩阵和所述训练数据矩阵输入所述判别器，获取对应的分类结果包括：获取所述生成器生成的分类变量，其中，所述分类变量的取值范围为[0,1]；响应于所述分类变量大于或等于预设的参数阈值，确定分类结果为真实样本；响应于所述分类变量小于预设的参数阈值，确定分类结果为生成样本。6.根据权利要求5所述的方法，其特征在于，所述根据所述训练数据矩阵的分类结果和所述第一风机数据矩阵的分类结果计算第一损失函数，根据所述第一损失函数训练所述判别器，包括：以所述第一损失函数最大化训练所述判别器，其中，所述第一损失函数的公式化表达为：maxV
D
＝lnD(X)+ln(1
‑
D(G(z)))
其中，D为所述判别器，G为所述生成器，V
D
为第一损失函数的值，X为所述第一风机数据矩阵，D(X)为所述判别器中输出的第一风机数据矩阵对应的分类变量，z为所述训练向量数据，G(z)为所述生成器生成的训练数据矩阵，D(G(z))为所述判别器中输出的训练数据矩阵对应的分类变量。7.根据权利要求6所述的方法，其特征在于，所述根据所述训练数据矩阵的分类结果计算第二损失函数，根据所述第二损失函数训练所述生成器，包括：以所述第二损失函数最小化训练所述判别器，其中，所述第二损失函数的公式化表达为：minV
G
＝ln(1
‑
D(G(z)))其中，所述V
G
为第二损失函数的值。8.根据权利要求7所述的方法，其特征在于，所述根据所述第二风机数据矩阵修复缺损数据矩阵，以生成修复数据矩阵，包括：确定所述缺损数据矩阵Y中数据的缺损位置，获取所述第二风机数据矩阵G(y)中所述缺损位置的...

【专利技术属性】
技术研发人员：姚中原，钱开荣，吴昊，黄赵晶，张宇，唐程，褚杰，卢文龙，张金旗，张诗雨，车星玮，任鑫，赵鹏程，
申请(专利权)人：中国华能集团清洁能源技术研究院有限公司华能国际电力江苏能源开发有限公司清洁能源分公司华能射阳新能源发电有限公司，
类型：发明
国别省市：