[發明專利]基于對抗訓練與Transformer的風力發電機故障診斷方法

在審

• 申請號: 202310089167.9
• 申請日: 2023-02-03
• 公開（公告）號: CN116010896A
• 公開（公告）日: 2023-04-25
• 發明（設計）人: 呂鵬遠;王言國;柴兆瑞;蘭金江;秦冠軍;文繼鋒;金巖磊;黃山峰;劉明哲;王千
• 申請（專利權）人: 南京南瑞繼保電氣有限公司;南京南瑞繼保工程技術有限公司;中國三峽新能源(集團)股份有限公司
• 主分類號: G06F18/2433
• 分類號: G06F18/2433;G06F18/214;G06N3/08;G06N3/04
• 代理公司: 南京縱橫知識產權代理有限公司 32224
• 代理人: 董建林

本發明公開了基于對抗訓練與Transformer的風力發電機故障診斷方法，包括：獲取風力發電機產生的實時故障數據；將實時故障數據輸入至預先訓練的風力發電機故障診斷模型，獲得風力發電機的故障診斷結果；風力發電機故障診斷模型的訓練過程包括：采集風力發電機SCADA的多路故障代碼數據，對故障代碼數據添加擾動，查詢故障代碼數據的關聯維度數據，獲得數據訓練樣本；將數據訓練樣本按照故障原因進行劃分，并對進行標量投影和位置編碼；基于對抗訓練算法與Transformer編碼器構建風力發電機故障診斷模型；通過故障數據集對風力發電機故障診斷模型進行訓練；本發明對風力發電機的可復位故障進行診斷，提高了復位效率和風力發電機運行能力。

技術領域

本發明屬于風力發電機可復位故障診斷技術領域，具體涉及基于對抗訓練與Transformer的風力發電機故障診斷方法。

背景技術

風力發電機能否平穩運行影響著風力發電機的發電效率，是評估風力發電機發電能力的重要指標。風力發電機在復雜的風場環境下，會因為各種原因造成風力發電機出現故障，其內部的多種傳感器會觸發告警，工作人員則需要依據日常工作經驗判斷發生故障的原因并針對不同風力發電機的不同可復位設備進行復位操作。故障診斷依賴于豐富的業務經驗，不利于風力發電場運維工作的展開。因此根據風力發電機告警信息和狀態信息，對已經觸發的故障進行故障診斷輔助復位操作時提供決策參考，提高復位效率的方式成為業內關注的重點。

目前風力發電機的故障診斷存在以下問題：一是故障的診斷依賴于領域專家的業務經驗，這需要大量先驗知識。二是診斷需要參考多組數據，數據之間需要領域專家結合分析，無法迅速對故障原因進行判斷，影響復位操作。

因此，將基于對抗訓練的Transformer模型結合多路數據的可復位故障診斷的方法投入風力發電機的可復位故障診斷中，后續只需要基于規則對設備進行復位操作即可，極大地提高了復位效率，提高風力發電機運行能力。

發明內容

本發明的目的在于提供基于對抗訓練與Transformer的風力發電機故障診斷方法，對風力發電機的可復位故障進行診斷，提高了復位效率和風力發電機運行能力。

為達到上述目的，本發明所采用的技術方案是：

本發明第一方面提供了基于對抗訓練與Transformer的風力發電機故障診斷方法，包括：

獲取風力發電機產生的實時故障數據；將實時故障數據輸入至預先訓練的風力發電機故障診斷模型，獲得風力發電機的故障診斷結果；

風力發電機故障診斷模型的訓練過程包括：

采集風力發電機SCADA的多路故障代碼數據，對故障代碼數據添加擾動，查詢故障代碼數據的關聯維度數據，拼接各種故障代碼數據對應的維度數據并進行預處理，形成數據訓練樣本；

將預處理后的數據訓練樣本按照故障原因進行劃分，并打上標簽形成多個故障數據集；對故障數據集進行標量投影和位置編碼；

基于對抗訓練算法與Transformer編碼器構建風力發電機故障診斷模型；通過故障數據集對風力發電機故障診斷模型進行訓練，直至風力發電機故障診斷模型收斂。

優選的，對故障代碼數據添加擾動的方法包括：計算出風力發電機故障診斷模型的梯度h，并將梯度h與常數ε相乘，得到擾動量；將擾動量加到至故障代碼數據。

優選的，對故障數據集進行標量投影的方法包括：通過1D卷積濾波器將故障數據集的標量上下文信息映射到d_model維度的向量

優選的，對故障數據集進行位置編碼，位置編碼公式為：

風力發電機故障診斷模型的輸入向量，表達公式為：