买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京华能新锐控制技术有限公司

摘要：本发明公开了基于深度表示的风电机组异常检测方法，属于风电机异常检测技术领域，主要用于风电机组的运行状态监测，该方法包括以下步骤：首先利用设计的双锚钉损失函数对神经网络进行训练，提取出有效划分正常与异常区域的深度特征表示，最后，利用K近邻方法进行异常检测。本发明提供的基于深度表示的风电机组异常检测方法，利用神经网络并结合设计的双锚钉损失函数对SCADA数据进行深度特征表示，改善了数据的不平衡现象，有利于提高异常值的识别性能，有利于进行异常检测。

主权项：1.基于深度表示的风电机组异常检测方法，其特征在于，首先利用设计的双锚钉损失函数对神经网络进行训练，提取出有效划分正常与异常区域的深度特征表示，最后，利用K近邻方法进行异常检测；所述检测方法包括以下步骤：步骤一、提取SCADA数据变量，包含：风速，风向角，有功功率，风电机转速，桨距角，桨距角直流电，机舱温度，变桨电机温度；步骤二、对异常数据与正常数据进行标注，并对异常数据进行重采样；步骤三、设计神经网络；步骤四、设计新的双锚钉损失函数，利用设计的双锚钉损失函数对神经网络进行训练，提取出有效划分正常与异常区域的深度特征表示；步骤五、利用K近邻方法进行风电机组异常检测；步骤三中，设计神经网络的步骤包括：首先，构造训练方式，对神经网络依次输入下述类型数据：异常特征，正常特征，异常锚钉特征，正常锚钉特征，每一类型由步骤一、步骤二获取；每输入上述四类数据，通过构造的损失函数进行一次梯度下降，不断迭代，最终当损失达到最小阈值时停止迭代，神经网络模型训练完毕，为了获取不同类别的锚钉数据，对正常与异常类分别进行Kmean聚类，将各自的聚类中心作为锚钉数据；之后，输入数据，利用卷积神经网络提取数据间的局部信息，最终通过全连接层进行输出，利用3*1卷积进行特征提取，训练时，利用双锚钉损失函数进行深度特征提取，训练过程中，模型的神经网络输出层进行z-score归一化，以此保持数据输出的有界性与稳定性；步骤四中，双锚钉损失函数如下： 其中，gθ·为特征映射函数，分别为第i个正样本与负样本，xa-n,xa-p分别为负样本锚钉与正样本锚钉，对正样本和负样本分别进行Kmean聚类，将各自的聚类中心分别作为正样本锚钉与负样本锚钉，α为正负锚钉间的间隔阈值。

全文数据：

权利要求：

百度查询： 北京华能新锐控制技术有限公司 基于深度表示的风电机组异常检测方法