技术特征：
1.一种基于改进栈式自编码的风电机组发电机健康评估方法，其特征在于：包括以下步骤：s1：获取训练数据集：对风电机组发电机运行数据进行清洗后再进行线性归一化处理，得到有效的训练数据和测试数据，然后对栈式自编码模型进行训练、测试，s2：构建多个栈式自编码器模型：s3：对每个栈式自编码器模型进行训练；s4：集成提取训练数据集的深度特征；s5：将训练好的基准模型作为发电机在线状态检测器，并将册数数据输入到基准模型中，得到每个时间段内风电机组发电机的健康度并输出。2.根据权利要求1所述的一种基于改进栈式自编码的风电机组发电机健康评估方法，其特征在于：风电机组发电机运行数据为风机scada数据。3.根据权利要求1所述的一种基于改进栈式自编码的风电机组发电机健康评估方法，其特征在于：所述线性归一化处理公式如下：其中，z'是归一化后的标准数据，z为归一化前的原始数据，z
min
和z
max
分别为原始数据集中的最小值和最大值。4.根据权利要求1所述的一种基于改进栈式自编码的风电机组发电机健康评估方法，其特征在于：构建多个栈式自编码器模型具体为：构建n个栈式自编码器模型，其中，第n个栈式自编码器模型中自编码器模型的个数为l
n
，第k个自编码器的编号为隐含层为隐含层为5.根据权利要求1所述的一种基于改进栈式自编码的风电机组发电机健康评估方法，其特征在于：对每个栈式自编码器模型进行训练具体为：(3.1)令n＝1，k＝1；(3.2)将训练数据集作为第n个栈式自编码器模型编号为的自编码器模型的输入，对编号为的自编码器模型进行训练，得到隐含层为的自编码器模型；(3.3)将编号为的自编码器模型的隐含层作为编号为的自动编码器模型的输入，对编号为的自编码器模型进行训练，得到训练后的编号为的自动编码器；(3.4)将作为编号为的自编码器模型的隐含层，并令重复执行步骤(3.3)-(3.4)，直到k＝n+1,重复步骤(3.2)-(3.4)，知道n＝n,得到n个训练后的栈式自编码器模型。6.根据权利要求1所述的一种基于改进栈式自编码的风电机组发电机健康评估方法，其特征在于：集成提取训练数据集的深度特征具体为：
(4.1)将n个训练后的栈式自编码器模型中编号为的自编码器模型的隐含层作为从训练数据集中所学习到的性能特征，将n组性能特征进行合并，构成风电机组发电机退化混合特征集合；(4.2)对性能退化混合特征集合中的性能特征进行聚类，得到各类性能特征的聚类簇心；(4.3)根据相关性计算公式，计算风电机组发电机性能退化混合特征集合中每个性能特征与其所属类的聚类簇心之间的相关系数，并将相关系数大于预先设置阈值的性能特征作为训练数据集的深度特征。
技术总结
本发明公开了一种基于改进栈式自编码的风电机组发电机健康评估方法，涉及风力发电的技术领域，包括以下步骤：S1：获取训练数据集：对风电机组发电机运行数据进行清洗后再进行线性归一化处理，得到有效的训练数据和测试数据，然后对栈式自编码模型进行训练、测试，S2：构建多个栈式自编码器模型：S3：对每个栈式自编码器模型进行训练；S4：集成提取训练数据集的深度特征；S5：将训练好的基准模型作为发电机在线状态检测器，并将册数数据输入到基准模型中，得到每个时间段内风电机组发电机的健康度并输出。保证健康评估结果客观性的前提下提高了准确性，更加灵敏直观、能够再故障发生前检测出故障趋势。检测出故障趋势。
技术研发人员：徐志轩 张舒翔 吴立东 尹男 曹庆才 张建新 张树晓 张礼兴 郭旭峰 荀佳萌 曹善桥 高德兰 刘显荣 石如心 王娟
受保护的技术使用者：中国大唐集团新能源科学技术研究院有限公司
技术研发日：2021.12.23
技术公布日：2022/4/29