面向风力发电过程的多尺度无监督状态监测方法

摘要

针对风力发电过程中快变与缓变参数非线性耦合所带来的多变化尺度问题，提出一种新型的神经慢特征分析模型，并将其应用于风力发电过程的状态监测任务。模型以神经网络为载体，通过引入特征白化和慢度约束实现对传统慢特征分析方法的非线性化，从运行参数复杂耦合关系中分解出不同变化尺度的子成分。同时，设计一种无监督的多尺度异常检测实验方案，无须依赖标签信息即可完成模型训练，自动识别风机的异常运行模式。实验结果表明，所提出的方法显著优于传统的无监督方法，并能够达到与典型有监督方法相似的性能。

关键词

神经慢特征分析 / 多变化尺度 / 无监督学习 / 状态监测 / 风力发电

基金资助

国家自然科学基金面上项目(62173295); 浙江省产学合作协同育人项目(2023006)