一种风电机组运行数据中健康状态特征的提取方法与流程

本发明涉及风电数据处理和特征提取，具体涉及一种风电机组运行数据中健康状态特征的提取方法。

背景技术：

1、风电机组通常安装偏远地区，其运行条件恶劣。为了更好的监测风电机组的运行状态和降低运维成本，通常安装scada系统。该系统通过大量传感器实时采集大量数据，回传到集控中心服务器。利用scada数据进行状态评估和健康管理是行业关注的重要问题。

2、scada数据中包含环境数据如风速、风向和温度等，同时包含风电机组运行状态数据如电机转速、温度、发电机电流等，这些数据为实时运行数据，并不能直接反映风电机组健康状态。同时因为环境、电网和设备或传感器故障等方面因素的影响，scada数据包含大量噪声数据。利用scada数据进行分析，需要首先对数据进行处理，并提取其中可以反映风电机组和关键部件的数据特征，这是进行后续健康评估、故障预测和优化运维的基础。

技术实现思路

1、鉴于此，提出一种风电机组运行数据中健康状态特征的提取方法，来提取运行数据中的健康特征。

2、具体方案如下：

3、一种风电机组运行数据中健康状态特征的提取方法，

4、s1)：数据清洗：风电机组通过scada系统将数据传输到数据库中，利用ss-ar模型进行清洗、修正；

5、s2)：去除冗余特征：利用进化算法、k均值聚类方法与堆叠自编码网络去除冗余特征；

6、s3)：特征选择：利用cklp算法进行特征选择。

7、所述数据清洗包括如下步骤:

8、s11)：利用super smoother算法识别异常数据，选取大小为w的滑动窗口，所述滑动窗口中包含的数据为h，h＝{h1,h2,…,hn}，

9、找出满足所示期望偏差最小的平滑预测值g；

10、s12)：对原始记录数据值h进行局部线性回归估计，以h的数值hi为基点，计算hi和平滑值gi的交叉验证误差；通过优化窗口宽度j调节hi平滑程度，选择最优的平滑带宽控制hi的平滑度；

11、平滑值计算公式为：

12、所述交叉验证误差计算公式为：

13、s13)：计算gi与hi差值得到偶然误差，计算窗口内所有数据误差群的均值和标准差，并进行标准化处理，依据3σ原理，将(μ-3σ，μ+3σ)区间外的数值定位异常值，将异常值放入异常数据集；

14、s14)：生成异常数据修正集；

15、对于异常数据rj，设异常值为l,

16、令

17、求解得到l的原始解l1和l2，且设定l1<l2；

18、对于异常数据rj，必然有rj≤l1或rj＞l2；

19、当rj≤l1时，数据rj的候选值取l1，当rj＞l2时，数据rj的候选值取l2；

20、将所有异常数据替换为候选数据，得到候选数据集γ'；

21、s15)：迭代优化异常数据；

22、若候选数据集中有c个正常数据，则使用更新候选数据得到最终修复值；其中，为修复后的数据，c是常量，φk为ar模型参数，εi为白噪声点；

23、若候选数据集中有c个数据不全为正常数据，则对i-c至i-1个数据利用对异常数据进行更新得到修复后的数据其中，k、c为利用数学统计估算得到的值。

24、所述进化算法为多种群协同进化算法，多种群协同进化算法将进化过程划分为全局探索和加速收敛两阶段；

25、在全局探索阶段，根据新个体的适应值判断是否保留该精英个体，如果新个体的适应值比现有pareto非支配解的适应值高则保留，否则直接放弃；

26、在收敛阶段，采用种群合并策略，逐渐淘汰较差的子种群，将优良个体并入到更优种群之中，加入惩罚机制，对进化停滞的种群，将进化停滞的种群的个体迁移向到其他种群，增强其他种群的探索能力。

27、在全局探索阶段，采用多种群搜索策略，利用k-means聚类算法将种群分为多个不同的子种群，子种群采用相同的进化策略搜集适应性好的个体。

28、多种群协同进化算法的适应度函数定义两个目标，即堆叠自编码器的降维率最大和堆叠自编码器的复现精度最高；

29、堆叠自编码器的降维率最大为f1＝max(r(pop))；

30、堆叠自编码器的复现精度最高为f2＝max(m(pop))；其中，pop为进化种群的个体；

31、将目标函数归一化处理后构造适应度函数：

32、

33、f适适应度函数，α、β为缩放系数。

34、k均值聚类方法为，在k均值聚类分群的目标函数种，加入特征权值w’，获取新的均值聚类函数，并计算特征权值的值wξ，将所述特征权值的值wξ与特征权值阈值进行比较，若则为冗余特征，进行剔除，否则，则进行保留；

35、所述均值聚类函数为

36、

37、其中，θ为ωξ的系数，

38、u(o*p)为均值聚类的分割矩阵，根据聚类目标函数计算得到，

39、uρ,ξ是u中的元素，uρ,ξ＝1表示第ρ个数据特征属于ξ类，

40、约束条件为，用以约束每个数据智能归属一类；

41、d(xρ,ξ,zυ,ξ)表示两个数据ρ和υ之间的距离d(xρ,ξ,zυ,ξ)＝(xρ,ξ-zυ,ξ)2。

42、堆叠自编码网络为五层sae结构，第二层sae的维度最小，且第二层sae既是编码器的输出，也是第四层sae编码器的输入，第五层利用softmax层进行特征分类；

43、在特征重构过程中，去除冗余后的特征表示为向量xt＝[x1,…xn]t，由于中间隐含层的激活函数为mish函数，则堆叠自编码sae中各隐含层的输出可表示为：

44、

45、其中，

46、为sae编码器第一层的输入；

47、为sae编码器第q层的输出；

48、为编码器sae第q层的权值与阈值；

49、mish为编码器sae第q层的激活函数；

50、sae编码器最后一层的输出即为重构后的特征，即：

51、

52、sae损失函数定义为：

53、

54、其中，

55、j(b,b,x,y)＝||x-y||2b,b为网络参数；γ为样本总数；λ为权重衰减系数；δ为网络总层数；sl为第l层神经元总节点数；

56、sae编码器的各层初始参数b,b可通过预训练确定后再通过微调对参数进行优化，在进行参数微调时，以sae损失函数为目标函数，将参数的更新转化为函数优化问题，采用梯度下降法更新参数b和b。

57、特征选择包括如下步骤，

58、s31)：构建样本的最邻近图

59、对于样本ψ＝(ψ1,ψ2,…ψo)，定义从原始空间到高维核空间的非线性映射φ，根据核再生理论，当两个样本ψτ,ψπ,τ≠π接近时，即φ(xτ)与φ(xπ)为近邻，则与也是近邻，可以取ψτ的k邻近点，建立最近邻图；

60、s32)：设定目标函数j(α)

61、引入核矩阵k＝(k(τ,π))＝φ(ψτ)tφ(ψπ),

62、令局部结构保持投影算法的目标函数为jl(α)，改进核化多流形判别投影算法的目标函数为jg(α)，则clkp算法的目标函数定义为：

63、

64、s33)：求解基矢量a

65、将目标函数j(α)转化为求解广义特征值；令atklka＝c≠0,采用拉格朗日乘子法，定义基矢量a的拉格朗日函数l(a,λ)，对拉格朗日函数l(a,λ)求偏导数并令其偏导数为0，求解该方程的前r个最大的特征值即可以求得基矢量矩阵a＝(α1,…,αr)；

66、s34)：特征获取

67、根据基矢量a的值，利用y＝ak和y＝akt分别计算高维数据集或者新样本数据的r维投影，进而提取出最优表征健康状态的低维敏感特征矢量。

68、本发明公开了一种风电机组运行数据中健康状态特征的提取方法，包括数据清洗、去除冗余和特征选择，利用进化算法和堆栈自编码网络，构建一种多层次无监督特征提取模型提取设备的健康特征，有效识别数据中的噪声特征，去除冗余特征，挖掘出健康状态预测所需要的有价值特征。