本發(fā)明涉及人工智能領(lǐng)域，特別涉及一種風(fēng)電機(jī)組運(yùn)行狀態(tài)辨識(shí)方法及相關(guān)裝置。

背景技術(shù)：

1、風(fēng)力發(fā)電在機(jī)組的大型化過(guò)程中，更加優(yōu)越的機(jī)組性能也帶了更大的安全挑戰(zhàn)，在市場(chǎng)度電成本不斷降低的雙重壓力下，大型化機(jī)組的安全性挑戰(zhàn)也愈發(fā)嚴(yán)苛。

2、在現(xiàn)行技術(shù)路線下，在設(shè)計(jì)端，現(xiàn)有的仿真計(jì)算工作更關(guān)注于機(jī)組端到端的載荷輸出，對(duì)無(wú)法直接體現(xiàn)在載荷中的特征狀態(tài)、特征量缺乏分析工作及手段，在機(jī)組大型化愈演愈熱的當(dāng)下，仿真模型和機(jī)組實(shí)際物理狀態(tài)的差異也愈發(fā)明顯。因此，如何準(zhǔn)確評(píng)估機(jī)組運(yùn)行狀態(tài)成為了本領(lǐng)域人員亟待解決的技術(shù)問(wèn)題。

技術(shù)實(shí)現(xiàn)思路

1、鑒于上述問(wèn)題，本發(fā)明提供一種克服上述問(wèn)題或者至少部分地解決上述問(wèn)題的一種風(fēng)電機(jī)組運(yùn)行狀態(tài)辨識(shí)方法及相關(guān)裝置。

2、第一方面，一種風(fēng)電機(jī)組運(yùn)行狀態(tài)辨識(shí)方法，包括：

3、按照時(shí)間周期的順序，將風(fēng)電機(jī)組在各時(shí)間周期各類(lèi)型時(shí)域運(yùn)行數(shù)據(jù)轉(zhuǎn)化為對(duì)應(yīng)的頻域數(shù)據(jù)組，其中，一個(gè)類(lèi)型的時(shí)域運(yùn)行數(shù)據(jù)涉及多個(gè)時(shí)間周期，一個(gè)類(lèi)型的一個(gè)時(shí)間周期的時(shí)域運(yùn)行數(shù)據(jù)對(duì)應(yīng)一個(gè)頻域數(shù)據(jù)組，所述類(lèi)型包括：發(fā)電機(jī)高速軸轉(zhuǎn)速和機(jī)艙左右振動(dòng)加速度；

4、針對(duì)任一個(gè)類(lèi)型，按照時(shí)間周期的順序，將所述類(lèi)型的各時(shí)間周期對(duì)應(yīng)的頻域數(shù)據(jù)組排列組合，得到對(duì)應(yīng)的頻域數(shù)據(jù)矩陣，其中，一個(gè)頻域數(shù)據(jù)組作為所述頻域數(shù)據(jù)矩陣的一個(gè)行向量；

5、將各所述類(lèi)型對(duì)應(yīng)的頻域數(shù)據(jù)矩陣輸入至預(yù)先訓(xùn)練好的attachnet神經(jīng)網(wǎng)絡(luò)，得到所述attachnet神經(jīng)網(wǎng)絡(luò)輸出的機(jī)組運(yùn)行狀態(tài)識(shí)別結(jié)果，其中，不同類(lèi)型對(duì)應(yīng)的頻域數(shù)據(jù)矩陣輸入至所述attachnet神經(jīng)網(wǎng)絡(luò)的不同附加分支。

6、可選的，在某些可選的實(shí)施方式中，所述按照時(shí)間周期的順序，將風(fēng)電機(jī)組在各時(shí)間周期各類(lèi)型時(shí)域運(yùn)行數(shù)據(jù)轉(zhuǎn)化為對(duì)應(yīng)的頻域數(shù)據(jù)組，包括：

7、針對(duì)任一類(lèi)型的時(shí)域運(yùn)行數(shù)據(jù)，按照時(shí)間周期的順序，將不同時(shí)間周期的時(shí)域運(yùn)行數(shù)據(jù)從時(shí)域轉(zhuǎn)化到頻域，以行向量的形式采樣得到對(duì)應(yīng)的頻域數(shù)據(jù)組，其中，所述頻域數(shù)據(jù)組的頻域取值范圍為0至5赫茲，所述頻域數(shù)據(jù)組的分辨率為0.04赫茲。

8、可選的，在某些可選的實(shí)施方式中，所述針對(duì)任一個(gè)類(lèi)型，按照時(shí)間周期的順序，將所述類(lèi)型的各時(shí)間周期對(duì)應(yīng)的頻域數(shù)據(jù)組排列組合，得到對(duì)應(yīng)的頻域數(shù)據(jù)矩陣，包括：

9、針對(duì)任一個(gè)類(lèi)型，按照時(shí)間周期的先后順序，將所述類(lèi)型的各時(shí)間周期對(duì)應(yīng)的頻域數(shù)據(jù)組從上到下進(jìn)行排列，得到對(duì)應(yīng)的頻域數(shù)據(jù)矩陣，其中，時(shí)間周期最早的頻域數(shù)據(jù)組作為頻域數(shù)據(jù)矩陣的第一個(gè)行向量，時(shí)間周期最晚的頻域數(shù)據(jù)組作為頻域數(shù)據(jù)矩陣的最后一個(gè)行向量。

10、可選的，在某些可選的實(shí)施方式中，所述將各所述類(lèi)型對(duì)應(yīng)的頻域數(shù)據(jù)矩陣輸入至預(yù)先訓(xùn)練好的attachnet神經(jīng)網(wǎng)絡(luò)，得到所述attachnet神經(jīng)網(wǎng)絡(luò)輸出的機(jī)組運(yùn)行狀態(tài)識(shí)別結(jié)果，包括：

11、將各所述類(lèi)型對(duì)應(yīng)的頻域數(shù)據(jù)矩陣輸入至attachnet神經(jīng)網(wǎng)絡(luò)對(duì)應(yīng)的附加分支，以獲得各所述附加分支基于相應(yīng)頻域數(shù)據(jù)矩陣提取的1024通道特征，其中，不同附加分支的特征提取網(wǎng)絡(luò)的結(jié)構(gòu)上相同；

12、所述attachnet神經(jīng)網(wǎng)絡(luò)的注意力模塊根據(jù)各所述1024通道特征，識(shí)別得到相應(yīng)的特征向量；

13、基于softmax對(duì)所述特征向量進(jìn)行分類(lèi)，得到對(duì)應(yīng)的機(jī)組運(yùn)行狀態(tài)識(shí)別結(jié)果，其中，所述softmax的損失函數(shù)為交叉熵?fù)p失函數(shù)。

14、可選的，在某些可選的實(shí)施方式中，所述將各所述類(lèi)型對(duì)應(yīng)的頻域數(shù)據(jù)矩陣輸入至attachnet神經(jīng)網(wǎng)絡(luò)對(duì)應(yīng)的附加分支，以獲得各所述附加分支基于相應(yīng)頻域數(shù)據(jù)矩陣提取的1024通道特征，包括：

15、將各所述類(lèi)型對(duì)應(yīng)的頻域數(shù)據(jù)矩陣輸入至attachnet神經(jīng)網(wǎng)絡(luò)對(duì)應(yīng)的附加分支；

16、各所述附加分支的卷積層分別對(duì)各自的頻域數(shù)據(jù)矩陣進(jìn)行卷積、正則化和relu激活函數(shù)操作，提取得到對(duì)應(yīng)的1024通道特征。

17、可選的，在某些可選的實(shí)施方式中，所述attachnet神經(jīng)網(wǎng)絡(luò)的注意力模塊根據(jù)各所述1024通道特征，識(shí)別得到相應(yīng)的特征向量，包括：

18、所述注意力模塊中的空間注意力模塊按照相應(yīng)附加分支的順序進(jìn)行獎(jiǎng)各所述1024通道特征聯(lián)結(jié)得到聯(lián)結(jié)特征；

19、所述注意力模塊中的融合模塊對(duì)所述聯(lián)結(jié)特征進(jìn)行卷積、正則化、relu激活函數(shù)操作、平均池化操作和最大池化操作，得到相應(yīng)的特征向量。

20、第二方面，一種風(fēng)電機(jī)組運(yùn)行狀態(tài)辨識(shí)裝置，包括：數(shù)據(jù)轉(zhuǎn)化單元、矩陣組合單元和狀態(tài)識(shí)別單元；

21、所述數(shù)據(jù)轉(zhuǎn)化單元，用于按照時(shí)間周期的順序，將風(fēng)電機(jī)組在各時(shí)間周期各類(lèi)型時(shí)域運(yùn)行數(shù)據(jù)轉(zhuǎn)化為對(duì)應(yīng)的頻域數(shù)據(jù)組，其中，一個(gè)類(lèi)型的時(shí)域運(yùn)行數(shù)據(jù)涉及多個(gè)時(shí)間周期，一個(gè)類(lèi)型的一個(gè)時(shí)間周期的時(shí)域運(yùn)行數(shù)據(jù)對(duì)應(yīng)一個(gè)頻域數(shù)據(jù)組，所述類(lèi)型包括：發(fā)電機(jī)高速軸轉(zhuǎn)速和機(jī)艙左右振動(dòng)加速度；

22、所述矩陣組合單元，用于針對(duì)任一個(gè)類(lèi)型，按照時(shí)間周期的順序，將所述類(lèi)型的各時(shí)間周期對(duì)應(yīng)的頻域數(shù)據(jù)組排列組合，得到對(duì)應(yīng)的頻域數(shù)據(jù)矩陣，其中，一個(gè)頻域數(shù)據(jù)組作為所述頻域數(shù)據(jù)矩陣的一個(gè)行向量；

23、所述狀態(tài)識(shí)別單元，用于將各所述類(lèi)型對(duì)應(yīng)的頻域數(shù)據(jù)矩陣輸入至預(yù)先訓(xùn)練好的attachnet神經(jīng)網(wǎng)絡(luò)，得到所述attachnet神經(jīng)網(wǎng)絡(luò)輸出的機(jī)組運(yùn)行狀態(tài)識(shí)別結(jié)果，其中，不同類(lèi)型對(duì)應(yīng)的頻域數(shù)據(jù)矩陣輸入至所述attachnet神經(jīng)網(wǎng)絡(luò)的不同附加分支。

24、可選的，在某些可選的實(shí)施方式中，所述數(shù)據(jù)轉(zhuǎn)化單元，包括：數(shù)據(jù)轉(zhuǎn)化模塊；

25、所述數(shù)據(jù)轉(zhuǎn)化模塊，用于針對(duì)任一類(lèi)型的時(shí)域運(yùn)行數(shù)據(jù)，按照時(shí)間周期的順序，將不同時(shí)間周期的時(shí)域運(yùn)行數(shù)據(jù)從時(shí)域轉(zhuǎn)化到頻域，以行向量的形式采樣得到對(duì)應(yīng)的頻域數(shù)據(jù)組，其中，所述頻域數(shù)據(jù)組的頻域取值范圍為0至5赫茲，所述頻域數(shù)據(jù)組的分辨率為0.04赫茲。

26、第三方面，一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有程序，所述程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)上述任一項(xiàng)所述的風(fēng)電機(jī)組運(yùn)行狀態(tài)辨識(shí)方法。

27、第四方面，一種電子設(shè)備，所述電子設(shè)備包括至少一個(gè)處理器、以及與所述處理器連接的至少一個(gè)存儲(chǔ)器、總線；其中，所述處理器、所述存儲(chǔ)器通過(guò)所述總線完成相互間的通信；所述處理器用于調(diào)用所述存儲(chǔ)器中的程序指令，以執(zhí)行上述任一項(xiàng)所述的風(fēng)電機(jī)組運(yùn)行狀態(tài)辨識(shí)方法。

28、借由上述技術(shù)方案，本發(fā)明提供的一種風(fēng)電機(jī)組運(yùn)行狀態(tài)辨識(shí)方法及相關(guān)裝置，可以按照時(shí)間周期的順序，將風(fēng)電機(jī)組在各時(shí)間周期各類(lèi)型時(shí)域運(yùn)行數(shù)據(jù)轉(zhuǎn)化為對(duì)應(yīng)的頻域數(shù)據(jù)組，其中，一個(gè)類(lèi)型的時(shí)域運(yùn)行數(shù)據(jù)涉及多個(gè)時(shí)間周期，一個(gè)類(lèi)型的一個(gè)時(shí)間周期的時(shí)域運(yùn)行數(shù)據(jù)對(duì)應(yīng)一個(gè)頻域數(shù)據(jù)組，所述類(lèi)型包括：發(fā)電機(jī)高速軸轉(zhuǎn)速和機(jī)艙左右振動(dòng)加速度；針對(duì)任一個(gè)類(lèi)型，按照時(shí)間周期的順序，將所述類(lèi)型的各時(shí)間周期對(duì)應(yīng)的頻域數(shù)據(jù)組排列組合，得到對(duì)應(yīng)的頻域數(shù)據(jù)矩陣，其中，一個(gè)頻域數(shù)據(jù)組作為所述頻域數(shù)據(jù)矩陣的一個(gè)行向量；將各所述類(lèi)型對(duì)應(yīng)的頻域數(shù)據(jù)矩陣輸入至預(yù)先訓(xùn)練好的attachnet神經(jīng)網(wǎng)絡(luò)，得到所述attachnet神經(jīng)網(wǎng)絡(luò)輸出的機(jī)組運(yùn)行狀態(tài)識(shí)別結(jié)果，其中，不同類(lèi)型對(duì)應(yīng)的頻域數(shù)據(jù)矩陣輸入至所述attachnet神經(jīng)網(wǎng)絡(luò)的不同附加分支。由此可以看出，將數(shù)據(jù)從時(shí)域轉(zhuǎn)到頻域，然后基于attachnet神經(jīng)網(wǎng)絡(luò)從多維度的頻域數(shù)據(jù)中挖掘準(zhǔn)確的特征信息，并準(zhǔn)確識(shí)別出相應(yīng)的機(jī)組運(yùn)行狀態(tài)，識(shí)別結(jié)果比較準(zhǔn)確。

29、上述說(shuō)明僅是本發(fā)明技術(shù)方案的概述，為了能夠更清楚了解本發(fā)明的技術(shù)手段，而可依照說(shuō)明書(shū)的內(nèi)容予以實(shí)施，并且為了讓本發(fā)明的上述和其它目的、特征和優(yōu)點(diǎn)能夠更明顯易懂，以下特舉本發(fā)明的具體實(shí)施方式。