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,