风力发电机组异常识别方法、装置、设备及介质制造方法及图纸

本申请公开了一种风力发电机组异常识别方法、装置、设备及介质，属于风力发电领域。该方法包括：获取风力发电机组在当前时间段内的环境因素数据、第一类运行状态数据和第二类运行状态数据；根据当前时间段内的环境因素数据、第一类运行状态数据和第二类运行状态数据，得到输入数据；将输入数据输入至预先训练得到的异常识别模型，得到异常识别模型输出的预测数据，异常识别模型包括至少一个深度学习循环层，基于样本数据迭代训练得到，样本数据基于风力发电机组的特异性高于等于预设特异性的历史数据得到；在预测数据满足预设异常条件的情况下，确定第二类运行状态数据对应的部件发生异常。根据本申请实施例能够提高风力发电机组的安全性。

【技术实现步骤摘要】

本申请属于风力发电领域，尤其涉及一种风力发电机组异常识别方法、装置、设备及介质。

技术介绍

1、风力发电机组是一种能够将风能转换为电能的大型装置，由大量部件组成。部件由于长时间使用或自身缺陷可能会发生异常，从而导致风力发电机组在运行过程中出现异常，若无视异常继续运行，则会为风力发电机组的安全性带来巨大风险。

2、一方面，风力发电机组在出现异常的一段时间后才会生成异常文件，将包括异常数据的异常文件向分析设备上传，风力发电机组的异常数据不能及时回传；另一方面，随着风力发电机组技术的不断提升，风力发电机组产生的数据量也越来越大，数据量的增大提高了风力发电机组异常识别的难度，对风力发电机组的异常识别会花费大量时间，导致风力发电机组的异常识别的时效性较差，降低了风力发电机组的安全性。

技术实现思路

1、本申请实施例提供一种风力发电机组异常识别方法、装置、设备及介质，能够提高风力发电机组的安全性。

2、第一方面，本申请实施例提供一种风力发电机组异常识别方法，包括：获取风力发电机组在当前时间段内的环本文档来自技高网...

【技术保护点】

1.一种风力发电机组异常识别方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述预测数据包括预测异常概率和/或预测运行状态数据；

3.根据权利要求1所述的方法，其特征在于，在所述获取风力发电机组在当前时间段内的环境因素数据、第一类运行状态数据和第二类运行状态数据之前，还包括：

4.根据权利要求3所述的方法，其特征在于，所述初始模型包括至少一个所述深度学习循环层；

5.根据权利要求3所述的方法，其特征在于，所述样本数据还包括验证样本数据，

6.根据权利要求3所述的方法，其特征在于，所述对获取的所述历史数据进行预...

【技术特征摘要】

1.一种风力发电机组异常识别方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述预测数据包括预测异常概率和/或预测运行状态数据；

3.根据权利要求1所述的方法，其特征在于，在所述获取风力发电机组在当前时间段内的环境因素数据、第一类运行状态数据和第二类运行状态数据之前，还包括：

4.根据权利要求3所述的方法，其特征在于，所述初始模型包括至少一个所述深度学习循环层；

5.根据权利要求3所述的方法，其特征在于，所述样本数据还包括验证样本数据，

6.根据权利要求3所述的方法，其特征在于，所述对获取的所述历史数据进行预处理，得...

【专利技术属性】
技术研发人员：余斌，石宝松，蔡海锋，
申请(专利权)人：北京金风科创风电设备有限公司，
类型：发明
国别省市：