[发明专利]一种基于SeqGAN模型的风电机组健康状态评估数据集构建方法在审
申请号: | 202111006213.1 | 申请日: | 2021-08-30 |
公开(公告)号: | CN113688919A | 公开(公告)日: | 2021-11-23 |
发明(设计)人: | 赵文清;王继发;陈睿 | 申请(专利权)人: | 华北电力大学(保定) |
主分类号: | G06K9/62 | 分类号: | G06K9/62;G06N3/04;G06N3/08;F03D17/00 |
代理公司: | 北京科亿知识产权代理事务所(普通合伙) 11350 | 代理人: | 李兴林 |
地址: | 071000 河北*** | 国省代码: | 河北;13 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 seqgan 模型 机组 健康 状态 评估 数据 构建 方法 | ||
1.一种基于SeqGAN模型的风电机组健康状态评估数据集构建方法,其特征在于,包括如下步骤:
S1)利用SCADA系统获取风电机组数据;
S2)利用训练好的深度模型对所述风电机组数据进行自动标注,以形成所述风电机组数据的标注信息,所述标注信息包括良好、一般、轻微劣化、严重劣化和失效5类标签,所述标注信息与所述风电机组数据构成风电机组状态数据;
S3)将所述风电机组状态数据作为正样例输入训练好的判别器,通过将所述判别器判别的概率回传给生成器进行训练,由所述生成器输出风电机组劣化数据并将其作为负样例,根据所述正样例和所述负样例对所述判别器进行重新训练,经过多次迭代,获得最佳的风电机组健康状态评估数据集;
其中,所述判别器由卷积神经网络CNN组成,所述生成器由长短期记忆网络LSTM组成并采用蒙特卡洛搜索和梯度策略。
2.根据权利要求1所述的基于SeqGAN模型的风电机组健康状态评估数据集构建方法,其特征在于,步骤S1)中所述风电机组数据,其参数至少包括有功功率、无功功率、环境温度、环境风速、环境风向、叶轮转速、发电机三相温度、网侧ABC相电流、网侧ABC相电压、发电机驱动和非驱动侧轴承温度、液压系统油压、齿轮箱高速和低速轴承温度。
3.根据权利要求1所述的基于SeqGAN模型的风电机组健康状态评估数据集构建方法,其特征在于,步骤S3)中所述生成器和所述判别器,其具体对抗训练过程如下:
S301)将已生成的所述风电机组数据作为当前状态,要生成的所述风电机组劣化数据作为动作,对于某个动作,对后续所述风电机组数据以策略G进行M次蒙特卡洛搜索;
S302)将每次搜索生成的所述风电机组数据输入所述判别器,并将所述判别器输出为真的概率作为奖励,将M个奖励的均值作为动作价值赋予该动作,通过此方式对生成策略G进行训练;
S303)每当所述生成器训练一定次数后,利用所述风电机组数据和生成的所述风电机组劣化数据训练所述判别器;
S304)将概率高的数据作为对抗生成数据的下一个数据,重复步骤S301)-S303),直至获得最佳的风电机组健康状态评估数据;
S305)将得到的最佳风电机组健康数据添加进步骤S2)中构成的风电机组状态数据中,得到风电机组健康状态评估数据集。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于华北电力大学(保定),未经华北电力大学(保定)许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202111006213.1/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种智能控制工业废水深度处理装置
- 下一篇:一种光伏发电智能储能系统