1.一种风电机组运行数据中健康状态特征的提取方法，其特征在于：
2.根据权利要求1所述的风电机组运行数据中健康状态特征的提取方法，其特征在于：所述数据清洗包括如下步骤:
3.根据权利要求1所述的风电机组运行数据中健康状态特征的提取方法，其特征在于：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；
4.根据权利要求3所述的风电机组运行数据中健康状态特征的提取方法，其特征在于：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。
5.根据权利要求3所述的风电机组运行数据中健康状态特征的提取方法，其特征在于：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；
6.根据权利要求1所述的风电机组运行数据中健康状态特征的提取方法，其特征在于：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wν，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；
7.根据权利要求1所述的风电机组运行数据中健康状态特征的提取方法，其特征在于：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；
8.根据权利要求1所述的风电机组运行数据中健康状态特征的提取方法，其特征在于：特征选择包括如下步骤，