基于改进ILOF-LSTM-Gamma算法的风电机组可靠性评估方法技术

本发明专利技术公开了基于改进ILOF‑LSTM‑Gamma算法的风电机组可靠性评估方法，涉及电力技术领域，包括：通过SCADA系统获得风电机组各关键部件的历史状态数据；采ILOF算法对所述历史状态数据进行预处理，获得预处理后的数据；基于改进自适应多头注意力机制和改进LSTM网络方法建立风电机组性能退化预测模型，将所述预处理后的数据输入所述风电机组性能退化预测模型，获得预测后的风电机组性能数据；采用双层改进非线性Gamma过程建立风电机组可靠性评估模型，将预测后的风电机组性能数据输入所述风电机组可靠性评估模型，获得风电机组可靠性评估结果。本发明专利技术提升了风电机组性能退化预测的精度，并提高了评估结果的准确率。

【技术实现步骤摘要】

本专利技术属于电力，尤其涉及基于改进ilof-lstm-gamma算法的风电机组可靠性评估方法。

技术介绍

1、随着全球能源结构的转型，风力发电作为清洁、可再生能源，在电力系统中的比重逐渐增加。然而，风电机组长期运行在复杂、多变的环境条件下，其关键部件（如齿轮箱、发电机、叶片等）容易受到机械疲劳、环境侵蚀和随机负载变化的影响，导致性能退化甚至发生故障。并且现有的风电机组可靠性评估方法依赖于机组结构和材料特性，由于数据量大，导致计算复杂且难以适应实际工况，并且对异常数据的处理能力有限，容易受到噪声干扰。此外，现有的gamma过程模型在处理风电机组性能退化的不确定性时，未知参数难以选择，并且难以精准表征复杂的非线性退化趋势。因此，需要一种高效、准确的风电机组可靠性评估方法。

技术实现思路

1、为解决上述技术问题，本专利技术提出了基于改进ilof-lstm-gamma算法的风电机组可靠性评估方法，能够充分利用scada系统数据，对异常数据进行有效处理，并结合先进的深度学习和概率统计模型，提高风电机组性能退化预测和可本文档来自技高网...

【技术保护点】

1.基于改进ILOF-LSTM-Gamma算法的风电机组可靠性评估方法，其特征在于，包括：

2.如权利要求1所述的基于改进ILOF-LSTM-Gamma算法的风电机组可靠性评估方法，其特征在于，所述风电机组各关键部件包括齿轮箱部件、发电机部件、变桨系统部件和偏航系统部件；

3.如权利要求1所述的基于改进ILOF-LSTM-Gamma算法的风电机组可靠性评估方法，其特征在于，采用改进前置局部异常因子算法对所述历史状态数据进行预处理，获得预处理后的数据包括：

4.如权利要求3所述的基于改进ILOF-LSTM-Gamma算法的风电机组可靠性评估方法，其特征在...

【技术特征摘要】

1.基于改进ilof-lstm-gamma算法的风电机组可靠性评估方法，其特征在于，包括：

2.如权利要求1所述的基于改进ilof-lstm-gamma算法的风电机组可靠性评估方法，其特征在于，所述风电机组各关键部件包括齿轮箱部件、发电机部件、变桨系统部件和偏航系统部件；

3.如权利要求1所述的基于改进ilof-lstm-gamma算法的风电机组可靠性评估方法，其特征在于，采用改进前置局部异常因子算法对所述历史状态数据进行预处理，获得预处理后的数据包括：

4.如权利要求3所述的基于改进ilof-lstm-gamma算法的风电机组可靠性评估方法，其特征在于，采用改进三次样条插值方法对所述历史状态数据进行补充包括：

5.如权利要求3所述的基于改进ilof-lstm-gamma算法的风电机组可靠性评估方法，其特征在于，基于所述补充...

【专利技术属性】
技术研发人员：唐贵基，王海朋，刘子轩，李远超，何玉灵，卢洪昌，牛宇航，孙凯，吴学伟，
申请(专利权)人：华北电力大学保定，
类型：发明
国别省市：