一种基于深度学习算法的风力发电场风机故障预测方法

本发明公开了一种基于深度学习算法的风力发电场风机故障预测方法，包括如下步骤：获取并输入风机运行状态数据，得到能够表征运行状态数据特征的矩阵；用箱线下采样方法降低风机传感器产生的高频信号序列的数据量规模；针对正样本的故障序列数据使用贝叶斯多元自回归模型结合先验知识与观测数据；针对负样本数据，使用变分自编码器模型结合注意力机制，将正常行为序列数据映射到编码器输出的潜在变量的近似后验概率分布中，解码器从该分布中通过重参数化技巧进行采样，并生成与输入数据分布相似的重构数据；使用一种自适应阈值调整策略，通过对正负重构误差自动调整阈值，能够动态地优化分类决策。本发明能够有效地提高风机故障预测的精度。