(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210578977.6 (22)申请日 2022.05.25 (71)申请人 国家电投集团科 学技术研究院有限 公司 地址 102209 北京市昌平区未来科技城国 家电投集团科学技术研究院有限公司 院内A座8层至1 1层 申请人 华北电力大 学 (72)发明人 陈修高　董得志　胡阳　胡耀宗　 孙晓彦　宋羽佳　孙浩　 (74)专利代理 机构 北京和信华成知识产权代理 事务所(普通 合伙) 11390 专利代理师 申龙华 (51)Int.Cl. G01D 21/02(2006.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种风电机组变频器状态 监测方法、 系统及 电子设备 (57)摘要 本发明涉及一种风电机组变频器状态监测 方法、 系统及电子设备， 方法包括： 获取 实际监测 数据； 将实际监测数据输入至训练好的状态监测 模型中， 得到温度预测值； 根据温度预测值和温 度实测值确定确定风电机组变频器的运行状态； 状态监测模 型的确定方法为： 构建特征样本数据 集， 并对其进行数据处理； 基于注意力机制和长 短期记忆神经网络构建神经网络模 型， 并根据处 理后的数据集对神经网络模型进行训练， 得到状 态监测模型。 本发明利用带注 意力机制的长短期 记忆神经网络， 能够更好的处理时间序列 问题， 并给予每个变量不同的权重提升拟合效果， 提高 模型的精度与准确性， 从而提高了对风电机组变 频器状态监测的精确程度。 权利要求书2页 说明书10页 附图3页 CN 114964370 A 2022.08.30 CN 114964370 A 1.一种风电机组变频器 状态监测方法， 其特 征在于， 包括： 获取实际监测数据； 将所述实际监测数据输入至训练好的状态监测模型中， 得到温度预测值； 基于残差计算和核密度估计方法， 根据所述温度预测值和温度实测值确定检测阈值； 根据检测阈值确定风电机组变频器的运行状态； 所述状态监测模型的确定方法为： 构建特征样本数据集， 并对所述特 征样本数据集进行 数据处理， 得到处 理后的数据集； 基于注意力 机制和长短期记忆神经网络构建神经网络模型， 并根据所述处理后的数据 集对所述神经网络模型进行训练， 得到所述状态监测模型。 2.根据权利要求1所述的风电机组变频器状态监测方法， 其特征在于， 所述特征样本数 据集包括风速、 风向、 叶轮转速、 总有功功 率、 第一相电流、 第二相电流、 第三相电流、 第一线 电压、 第二线电压、 第三线电压、 总有功功率、 变频器有功功率、 变频器无功功率、 变频器转 矩给定、 变频器转矩反馈、 变频器线电流、 变频器主电压、 变频器水冷温度、 变频器水冷水 压、 变频器温度和电能频率。 3.根据权利要求1所述的风电机组变频器状态监测方法， 其特征在于， 构建特征样本数 据集， 并对所述特 征样本数据集进行 数据处理， 得到处 理后的数据集， 包括： 对风电机组变频器故障信息进行采样， 得到采样数据集； 对所述采样数据集进行归一 化处理， 得到第一数据集； 采用回归随机森林方法构建随机森林回归模型； 所述随机森林回归模型的输入为所述 第一数据集， 所述随机森林回归 模型的输出为变频器温度； 在所述随机森林回归模型的构建过程中， 对所述第一数据集中的每个特征进行评分， 得到各个特 征的重要性得分； 根据所述重要性得分确定所述处 理后的数据集。 4.根据权利要求3所述的风电机组变频器状态监测方法， 其特征在于， 所述对所述采样 数据集进行归一 化处理的计算公式为： 其中， x和 分别为所述采样数据集的数据和所述第一数据集的数据， xmax和xmin分别为 所述采样数据集的最大值和最小值， ymax和ymin分别为所述采样数据集的目标范围的最大值 和最小值， 所述目标 范围的数值范围为[ ‑1， 1]。 5.根据权利要求1所述的风电机组变频器状态监测方法， 其特征在于， 所述神经网络模 型包括依次连接的输入层、 第一 LSTM层、 第二 LSTM层、 A ttention层、 全连接层和输出层。 6.根据权利要求3所述的风电机组变频器状态监测方法， 其特征在于， 所述根据 所述处 理后的数据集对所述神经网络模型进行训练， 包括： 获取采样前一个小时的变频器温度数据、 变频器水冷温度数据和变频器水冷水压数 据； 将所述变频器温度数据、 所述变频器水冷温度数据和所述变频器水冷水压数据加入至 所述处理后的数据集中， 得到训练数据集； 根据所述训练数据集对所述神经网络模型进行训练。权　利　要　求　书 1/2 页 2 CN 114964370 A 27.根据权利要求1所述的风电机组变频器状态监测方法， 其特征在于， 所述基于残差计 算和核密度估计方法， 根据所述温度预测值和温度实测值确定检测阈值， 包括： 根据所述温度预测值确定残差矩阵； 根据所述残差矩阵进行计算， 得到均方误差； 根据所述均方误差和所述残差矩阵确定检测指标； 采用所述核密度估计方法对所述检测指标进行计算， 得到概 率密度函数； 根据所述 概率密度函数确定所述检测阈值。 8.根据权利要求7所述的风电机组变频器状态监测方法， 其特征在于， 确定所述检测指 标的计算公式为： hk＝Ek‑MSE； 其中， hk为第k个所述实际监测数据中的所述检测指标， Ek为第k个所述实际监测数据中 的所述残差矩阵； MSE为所述均方误差 。 9.一种风电机组变频器 状态监测系统， 其特 征在于， 包括： 获取模块， 用于获取实际监测数据； 预测模块， 用于将所述实 际监测数据输入至训练好的状态监测模型中， 得到温度预测 值； 阈值确定模块， 用于基于残差计算和核密度估计方法， 根据所述温度预测值和温度实 测值确定检测阈值； 状态确定模块， 用于根据检测阈值确定风电机组变频器的运行状态； 预处理模块， 用于构建特征样本数据集， 并对所述特征样本数据集进行数据处理， 得到 处理后的数据集； 训练模块， 用于基于注意力机制和长短期记忆神经网络构建神经网络模型， 并根据所 述处理后的数据集对所述神经网络模型进行训练， 得到所述状态监测模型。 10.一种电子设备， 包括总 线、 收发器、 存储器、 处理器及存储在所述存储器上并可在所 述处理器上运行的计算机程序， 所述收发器、 所述存储器和所述处理器通过所述总线相连， 其特征在于， 所述计算机程序被所述处理器执行时实现如权利要求 1至8中任一项 所述的一 种风电机组变频器 状态监测方法中的步骤。权　利　要　求　书 2/2 页 3 CN 114964370 A 3