(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 202211001825.6 (22)申请日 2022.08.20 (71)申请人 华南理工大 学 地址 510630 广东省广州市天河区五山路 申请人 深圳华工能源技 术有限公司 (72)发明人 杨苹　吴宇航　唐玉烽　刘泽健　 郑群儒　吴天文　 (74)专利代理 机构 广州科峻专利代理事务所 (普通合伙) 44445 专利代理师 唐海斐 (51)Int.Cl. G06K 9/62(2022.01) G06F 17/18(2006.01) G06Q 50/06(2012.01) (54)发明名称 基于大数据特征提取的海上风电机组监测 数据处理方法 (57)摘要 本发明公开了一种基于大数据特征提取的 海上风电机组监测数据处理方法， 包括步骤： S1： 将海上风电机组的实时监测数据分为振动类、 机 械类、 电气类、 环境类监测数据四种； S2： 对数据 进行预处理， 将振动类监测数据和电气类监测数 据进行融合， 得到振动 ‑电气融合监测数据； S3： 根据主成分分析法分别对机械类、 环境类和振 动‑电气融合监测数据进行降维， 并将降维后的 三种数据进行融合； S4： 针对融合后的数据， 采用 基于主成分分析的特征重构模型对融合的数据 特征进行重构， 根据重构误差判断是否存在故 障。 本发明解决了海量的海上风电机组监测数据 处理问题， 有效提取海量监测数据特征， 准确而 及时的诊断海上风电机组故障， 降低运维 成本。 权利要求书2页 说明书7页 附图1页 CN 115293286 A 2022.11.04 CN 115293286 A 1.一种基于大数据特征提取的海上风电机组监测数据处理方法， 其特征在于， 具有如 下步骤： S1： 为精准分析风电机组的运行特征， 将海上风电机组的实时监测数据分为振动类监 测数据、 机 械类监测数据、 电气类监测数据和环境类监测数据； S2： 根据拉伊达准则剔除异常数据， 并对振动监测数据进行去噪； 将振动类监测数据和 电气类监测数据进行融合， 得到振动 ‑电气融合 监测数据； S3： 根据主成分分析法分别对机械类监测数据、 环境类检测数据和振动 ‑电气融合监测 数据进行降维， 并将降维后的三种数据进行融合， 得到风电机组融合 监测数据； S4： 针对S3得到的风电机组融合监测数据， 采用基于主成分分析的特征重构模型对融 合的数据特征进行重构， 判断重构误差是否超过阈值， 若超过， 则判定为故障状态， 否则为 正常状态。 2.如权利要求1所述的基于大数据特征提取的海上风电机组监测数据处理方法， 其特 征在于， 在步骤S2中， 采用拉伊达准则判定异常数据， 即根据以下公式分别计算出样 本数据 的平均值和标准差： 其中，n为样本数， 为第i种监测数据第 j个样本的输入特征， 为第i种监测数据的 均值， 为第i种监测数据的标准差； 若 满足以下公式， 则视为异常数据进行剔除， 否则视为 正常数据： 。 3.如权利要求1所述的基于大数据特征提取的海上风电机组监测数据处理方法， 其特 征在于， 在步骤S2中， 针对振动监测数据， 利用经验模态分解分解得到不同频率固有模态 函 数， 并筛选出能够表征故障特征频率的固有模态 函数， 以重构故障特征信号突出故障特征， 再利用自相关 分析去除重构信号中噪声的影响。 4.如权利要求1所述的基于大数据特征提取的海上风电机组监测数据处理方法， 其特 征在于， 在步骤S3中， 采用主成分分析法， 分别保留使得累计贡献率大于或等于95%的前 、 和 个特征向量， 从而将机械类监测数据、 环境类监测数据和振动 ‑电气融合监测数据 分别降至 、 和 维。 5.如权利要求1所述的基于大数据特征提取的海上风电机组监测数据处理方法， 其特 征在于， 在步骤S4中，  根据已有的包含正常状态和故障状态的风电机组融合监测数据， 训 练基于主成分分析 的特征重构模型； 将已有风电机组融合监测数据分为训练集和测试集，权　利　要　求　书 1/2 页 2 CN 115293286 A 2其中80%的正常状态的风电机组融合数据作为训练集， 剩余20%的正常状态的风电机组融合 数据和故障状态的风电机组融合数据作为测试集。 6.如权利要求1所述的基于大数据特征提取的海上风电机组监测数据处理方法， 其特 征在于， 在步骤S4中，  采用主成分分析法， 对训练集进 行降维， 保留使 得累计贡献率大于或 等于95%的前 个特征向量， 构成矩阵 ； 根据以下公式对特 征进行重构： 其中， 为风电机组融合监测数据的输入特征矩阵， 为重构后的风电机组融合监测数 据的特征矩阵，p是表示数量， 即是使得累计贡献率大于或等于95%的前 p个特征向量。 7.如权利要求1所述的基于大数据特征提取的海上风电机组监测数据处理方法， 其特 征在于， 在步骤S4中， 重构误差采用以下公式进行计算： 其中， 为风电机组融合监测数据的维数， 为第h种风电机组融合监测数据的输入 特征， 为重构后的第 h种风电机组融合 监测数据的输入特 征， 为重构误差 。 8.如权利要求1所述的基于大数据特征提取的海上风电机组监测数据处理方法， 其特 征在于， 步骤S4中， 重构误差的阈值采用以下公式进行确定： 其中， 为重构误差阈值， 为训练集平均重构误差， 为训练集重构误差 的标 准差。权　利　要　求　书 2/2 页 3 CN 115293286 A 3