[发明专利]一种风电机组异常数据识别方法及装置

权利要求书

1.一种风电机组异常数据识别方法，其特征在于，所述方法包括：

以风电机组风速数据为测试样本，输入预先构建的BP神经网络模型；

根据所述BP神经网络模型输出的目标参数，判断风电机组的异常数据；

所述BP神经网络模型根据电机组的风速数据进行构建。

2.如权利要求1所述的方法，其特征在于，所述BP神经网络模型根据电机组的风速数据进行构建，包括：

根据风速水平对风电机组运行状态数据进行划分，获取分析数据集；

选择所述分析数据集中的输入参量，并对所述风速数据中的输入参量进行归一化处理，构建训练样本；

定义风电机组异常数据的目标参量，并对其进行归一化处理；

以所述输入参量为风电机组的异常数据的判断输入参数，以所述目标参量为目标数据建立BP神经网络模型，并利用所述训练样本对所述BP神经网络模型进行训练，获取判断风电机组异常数据的BP神经网络模型。

3.如权利要求2所述的方法，其特征在于，所述分析数据集根据风电机组运行状态数据进行确定，包括：若风电机组运行区间处于切入风速与额定风速之间，通过{S_I}＝{S|d_I}确定分析数据集；

若风电机组运行区间处于额定风速与切除风速之间，通过{S_C}＝{S|d_C}确定分析数据集；

式中，{S}表示预设风电机组实际运行数据样本集，d_额定≤d_I＜d_切除；d_I表示风电机组运行区间处于切入风速d_切入与额定风速d_额定之间的风速水平，d_C表示风电机组运行区间处于额定风速d_额定与切除风速d_切除之间的风速水平；d_I和d_C满足d_切入＜d_I＜d_额定。

4.如权利要求2所述的方法，其特征在于，通过下式确定分析数据集中的输入参量：[x_i,t-3,x_i,t-2,x_i,t-1,x_i,t]^T

式中，x_i,t-3,x_i,t-2,x_i,t-1,x_i,t分别为在采样t时刻输入参量x_i的临近数据，x_i(x_i∈R^d)，i＝1,…,n；R为分析数据集的风速数据，i为风机编号，n为风电机组台数，d为数据取值的运行区间。