[发明专利]基于小样本数据的深度学习风电告警信息分析方法

摘要

本发明公开了一种基于小样本数据的深度学习风电告警信息分析方法，通过提取风机各部分组件的特征参数、风速和输出功率，作为训练样本，采用对比散度算法训练受限玻尔兹曼机模型，对数据进行特征量提取，然后将提取的特征量运用概率神经网络算法进行统计分类，划分出对应的故障风险概率，然后根据故障风险等级进行预警，实现了风电机组的故障告警。本发明通过受限玻尔兹曼机对数据样本进行特征量提取，起到了降维的作用，为后面的数据分析提供了良好的基础，减小了数据分析的复杂度；并且克服了局部极小值的问题，提高了故障概率风险等级的准确性。

主权项

1.一种基于小样本数据的深度学习风电告警信息分析方法，其特征是，包括以下步骤：步骤1，首先对风电场检测到的数据信息进行预处理，得到训练样本；步骤2，利用受限玻尔兹曼机，对样本数据进行特征量提取，选取出n个关键特征量；步骤3，将提取出的包含n个关键特征量的数据样本作为训练集，输入到概率神经网络中，进行训练，建立一个显示故障风险概率的模型；步骤4，将新的包含n个关键特征量的数据样本输入步骤3得到的故障风险概率模型中，得到故障风险概率，然后根据风险等级进行预警。