风电机组偏航故障检测方法、装置及电子设备与流程

本申请涉及故障检测，尤其涉及一种风电机组偏航故障检测方法、装置及电子设备。

背景技术：

1、风力发电机的偏航系统是风力发电机的重要组成部分，偏航系统出现故障时对风力发电机的正常工作会产生较大的影响，目前可以基于预训练的lstm神经网络对风电机组偏航故障进行检测，但lstm神经网络准确预测的前提是基于足够多的训练样本进行训练和学习，在训练样本较少或没有标记样本的情况下，对风电机组偏航故障的检测效果较差。

技术实现思路

1、本申请旨在至少在一定程度上解决相关技术中的技术问题之一。

2、为此，本申请的第一个目的在于提出一种风电机组偏航故障检测方法，以实现准确地偏航故障检测。

3、本申请的第二个目的在于提出一种风电机组偏航故障检测装置。

4、本申请的第三个目的在于提出一种电子设备。

5、本申请的第四个目的在于提出一种计算机可读存储介质。

6、本申请的第五个目的在于提出一种计算机程序产品。

7、为达上述目的，本申请第一方面实施例提出了一种风电机组偏航故障检测方法，包括：

8、获取一个或多个预训练的第一故障检测模型，其中多个所述第一故障检测模型的超参数不同；

9、基于每个所述第一故障检测模型的检测结果，确定所述第一故障检测模型的精确率和召回率，并根据所述精确率和所述召回率从所述第一故障检测模型中，选取第二故障检测模型；

10、将所述第二故障检测模型迁移到新模型学习，得到目标故障检测模型；

11、根据所述目标故障检测模型对风电机组进行偏航故障检测。

12、为达上述目的，本申请第二方面实施例提出了一种风电机组偏航故障检测装置，包括：

13、第一获取模块，用于获取一个或多个预训练的第一故障检测模型，其中多个所述第一故障检测模型的超参数不同；

14、第二获取模块，用于基于每个所述第一故障检测模型的检测结果，确定所述第一故障检测模型的精确率和召回率，并根据所述精确率和所述召回率从所述第一故障检测模型中，选取第二故障检测模型；

15、第三获取模块，用于将所述第二故障检测模型迁移到新模型学习，得到目标故障检测模型；

16、故障检测模块，用于根据所述目标故障检测模型对风电机组进行偏航故障检测。

17、为达上述目的，本申请第三方面实施例提出了一种电子设备，包括：处理器，以及与所述处理器通信连接的存储器；

18、所述存储器存储计算机执行指令；

19、所述处理器执行所述存储器存储的计算机执行指令，以实现如第一方面实施例所述的方法。

20、为达上述目的，本申请第四方面实施例提出了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如第一方面实施例所述的方法。

21、为达上述目的，本申请第五方面实施例提出了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现第一方面实施例所述的方法。

22、本申请提供的风电机组偏航故障检测方法、装置及电子设备，通过对多个第一故障检测模型的精确率和召回率进行计算，从而根据精确率和召回率确定第二故障检测模型，通过对该第二故障检测模型进行迁移学习得到目标故障检测模型，基于目标故障检测模型进行偏航故障检测，在有限数据或缺乏数据时提高检测准确性，实现高精度的故障检测，降低维护成本。

23、本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。

技术特征：

1.一种风电机组偏航故障检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的方法，其特征在于，所述基于每个所述第一故障检测模型的检测结果，确定所述第一故障检测模型的精确率和召回率，包括：

3.根据权利要求2所述的方法，其特征在于，所述根据所述匹配结果中正常样本的识别结果和异常样本的识别结果，确定所述第一故障检测模型的精确率和召回率，包括：

4.根据权利要求3所述的方法，其特征在于，所述根据所述精确率和所述召回率从所述第一故障检测模型中，选取第二故障检测模型，包括：

5.根据权利要求4所述的方法，其特征在于，所述获取每个所述候选故障检测模型的回报率，包括：

6.根据权利要求1-5任一项所述的方法，其特征在于，所述获取一个或多个预训练的第一故障检测模型，包括：

7.根据权利要求6所述的方法，其特征在于，所述将所述第二故障检测模型迁移到新模型学习，得到目标故障检测模型之后，还包括：

8.根据权利要求7所述的方法，其特征在于，所述根据所述输出结果确定所述目标故障检测模型的迁移性能，包括：

9.一种风电机组偏航故障检测装置，其特征在于，包括：

10.一种电子设备，其特征在于，包括：处理器，以及与所述处理器通信连接的存储器；

技术总结
本申请提出一种风电机组偏航故障检测方法、装置及电子设备，其中，风电机组偏航故障检测方法包括：获取一个或多个预训练的第一故障检测模型；基于每个第一故障检测模型的检测结果，确定第一故障检测模型的精确率和召回率，并根据精确率和召回率从第一故障检测模型中，选取第二故障检测模型；将第二故障检测模型迁移到新模型学习，得到目标故障检测模型；根据目标故障检测模型对风电机组进行偏航故障检测，解决现有技术中样本数据过少导致偏航故障检测不准确的技术问题。

技术研发人员：祝金涛,朱俊杰,吴昊,王华,徐超,孟秀俊,汪德军,赵江,胡辉,张振
受保护的技术使用者：华能新能源盘州市风力发电有限公司
技术研发日：
技术公布日：2024/9/23