技术特征：
1.一种基于状态参数重构误差的风电机组运行状态异常检测方法，其特征在于，该方法包括：s1：获取待检测数据；s2：采用滑动窗口对待检测的数据进行处理，得到增广状态数据矩阵；s3：将待检测数据输入训练好的sdae网络中，得到重构数据；s4：根据增广状态数据矩阵和重构数据计算重构误差，根据重构误差计算监测指标；s5：设置监测指标阈值和连续越限时间阈值；s6：将计算出的监测指标与设置的监测指标阈值进行比较，若小大于设置的监测指标阈值，则执行步骤s7，否则返回步骤s1；s7：计算重构数据的连续越限数，将连续越限数与设置的连续越限时间阈值进行对比，若大于连续越限时间阈值，则待检测数据为异常数据，否则待检测数据为噪声数据；所述连续越限数为：在监测的指标中出现连续超过设置的监测指标阈值的数量；s8：根据异常数据得到风电机组运行状态的异常组件。2.根据权利要求1所述的一种基于状态参数重构误差的风电机组运行状态异常检测方法，其特征在于，采用滑动窗口对待检测的数据进行处理的过程包括：s21：设置滑动窗口的宽度和滑动窗口的数量；s22：采用滑动窗口对待检测的数据进行采集；s23：根据所有的滑动窗口采集的数据构建增广状态数据矩阵。3.根据权利要求1所述的一种基于状态参数重构误差的风电机组运行状态异常检测方法，其特征在于，对sdae网络进行训练的过程包括：sdae网络包括第一dae模型和第二dae模型；步骤1：获取原始scada数据，采用滑动窗口对原始scada数据进行处理，得到原始数据的增广矩阵；步骤2：初始化sdae网络参数，该参数包括初始加噪比c0、加噪比阈值ct；步骤3：根据加噪比c0对增广矩阵进行加噪处理；步骤4：将经过加噪处理后的增广矩阵数据输入到第一dae模型中进行训练，得到第一权值，并更新加噪比；步骤5：将更新后的加噪比与加噪比阈值进行对比，若不相等，则返回步骤3；若相等，则执行步骤6；步骤6：将第一dae模型的隐藏层输出和初始加噪比c0输入到第二dae模型中进行训练，得到第二权值，并对加噪比进行更新；步骤7：将更新后的加噪比与加噪比阈值进行对比，若小于加噪比阈值，则训练结束，输出训练参数，否则返回步骤6。4.根据权利要求1所述的一种基于状态参数重构误差的风电机组运行状态异常检测方法，其特征在于，根据重构误差计算监测指标的公式为：其中，t
k
表示监测指标，表示第k个正常样本的重构误差，n表示重构后的数据数量，
u表示均值向量，cov-1
表示协方差矩阵的逆矩阵。5.根据权利要求1所述的一种基于状态参数重构误差的风电机组运行状态异常检测方法，其特征在于，设置监测指标阈值和连续越限时间阈值的过程包括：s51：获取系统正常运行的原始scada数据，并对数据进行预处理；对预处理后的数据进行相关性分析，得到机组各状态参数时间序列数据的短时自相关性；s52：采用滑动窗口对机组状态数据进行处理，得到系统正常运行的增广状态数据矩阵；s53：根据机组各状态参数时间序列数据的短时自相关性将scada数据数据输入到训练好的sdae网络中，得到第二重构数据；s54：根据重构数据和正常运行的增广状态数据矩阵计算机组正常数据的重构误差和监测指标；s55：根据机组正常数据的监测指标构确定监测指标阈值；s56：根据滑动窗口大小和监测指标连续越限的最大值构建连续越限数指标阈值。6.根据权利要求5所述的一种基于状态参数重构误差的风电机组运行状态异常检测方法，其特征在于，对预处理后的数据进行相关性分析包括：采用综合相关性指标分析风电机组状态参数间的互相关性；采用自相关系数和偏自相关系数分析机组各状态参数时间序列数据的短时自相关性；根据scada系统采集的数据；计算时间序列延迟k阶的自相关系数；根据自相关系数计算数据的偏自相关系数。7.根据权利要求6所述的一种基于状态参数重构误差的风电机组运行状态异常检测方法，其特征在于，偏自相关系数的表达为：其中，表示第1个偏自相关系数，ρ
j
表示第j个自相关系数，表示第k+1个偏自相关系数，k表示序列的长度。8.根据权利要求5所述的一种基于状态参数重构误差的风电机组运行状态异常检测方法，其特征在于，确定监测指标阈值的的过程包括：构建重构误差马氏距离的概率密度函数设置置信度α；根据概率密度函数计算机组状态监测指标小于监测指标阈值的概率值p(t<t
d
)；根据设置的置信度α和概率值p(t<t
d
)确定监测指标阈值t
d
。9.根据权利要求8所述的一种基于状态参数重构误差的风电机组运行状态异常检测方法，计算机组状态监测指标小于监测指标阈值的概率值的公式为：
其中，p表示机组状态小于监测指标阈值的概率值，表示重构误差马氏距离的概率密度函数，n表示样本个数数据，t
k
为样本数据中第k个样本数据点的监测指标，h为带宽参数，k(
·
)为核函数。10.根据权利要求5所述的一种基于状态参数重构误差的风电机组运行状态异常检测方法，其特征在于，连续越限数指标阈值的表达式为：q
d
＝max(q
max
,β)其中，q
max
为训练数据的监测指标连续越限最大值，β为滑动窗口宽度。
技术总结
本发明属于新能源发电领域，具体涉及一种基于状态参数重构误差的风电机组运行状态异常检测方法，该方法包括：采用正常运行的风电机组数据设置监测指标阈值和连续越限时间阈值；将待检测数据经过滑动窗口处理获得增广状态数据矩阵，并对待检测数据进行重构；计算重构误差和监测指标；将计算出的重构误差和监测指标分别与设置的监测指标阈值和连续越限时间阈值进行对比，得到数据检测结果；本发明对风电机组运行数据进行重构，通过重构误差，以及连续越限数，便可通过辨识模型判断运行数据异常状态，计算方便快捷，能够获得较高异常辨识能力。识能力。识能力。
技术研发人员：陈俊生 孙荣利 刘明杰 石钧仁 黄健 严冬 马艺玮 李本川
受保护的技术使用者：重庆邮电大学
技术研发日：2022.06.30
技术公布日：2022/9/20