1.基于多元时间序列分析和分层概率校准的风电机组故障诊断方法,其特征在于包括以下步骤:
2.根据权利要求1所述基于多元时间序列分析和分层概率校准的风电机组故障诊断方法,其特征在于:所述步骤一包括以下步骤:
3.根据权利要求2所述基于多元时间序列分析和分层概率校准的风电机组故障诊断方法,其特征在于:所述步骤1.1中,采用3δ准则来初步辨识各类监测量中因采样异常而产生的异常值,并通过插值法对原始数据中的异常值和缺失值进行替换和补充;
4.根据权利要求2所述基于多元时间序列分析和分层概率校准的风电机组故障诊断方法,其特征在于:所述步骤1.5中,将原始的scada系统每个时刻采样数据称作一个scada样本,每个scada样本中包含了同一个时刻由不同传感器采集的多个监测量的值,并对应一个一级标签;而每一个多元时间序列样本,内部包含了l个scada样本及对应的标签,以及多元时间序列样本的一个二级标签。
5.根据权利要求1所述基于多元时间序列分析和分层概率校准的风电机组故障诊断方法,其特征在于:所述步骤二包括以下步骤:
6.根据权利要求5所述基于多元时间序列分析和分层概率校准的风电机组故障诊断方法,其特征在于:步骤2.2的指标中:afir表示堆叠lstm模型对多元时间序列样本总体的分类准确性;asec表示模型对多元时间序列样本内部所有时刻样本分类的准确性;平均误检率指标fnr用于反映模型对各时刻故障诊断的漏报情况;平均误报率指标fpr用于反映模型对各时刻故障诊断的虚报情况。
7.根据权利要求1所述基于多元时间序列分析和分层概率校准的风电机组故障诊断方法,其特征在于:所述步骤三包括以下步骤: