新能源与高效节能

本发明属于风电机组可靠性评估领域，提供了基于动态LSTM‑Sage‑Husa算法的风电机组可靠性评估方法及装置，本发明由SCADA系统得到风电机组各部件的运行数据，利用多层感知LSTM模型对退化过程性能参数进行预测，并且采用动态Sage‑Husa算法对非线性Wiener退化过程修正，引入状态向量的均值和协方差矩阵，建立风电机组考虑有效冲击的非线性Wiener退化过程，对风电机组可靠性评估；本发明考虑了有效冲击对风电机组的影响，通过采用多层感知LSTM模型预测退化过程中缺少数据问题，可以解决因为数据缺失导致风电机组可靠性评估不准确问题，此外，为了更精确的捕捉非线性退化过程中的机组性能变化，并降低数据的波动性，除去退化数据中的噪点，引入分布参数变量，利用动态Sage‑Husa算法求得退化过程中的统计模型和分布参数，并结合预测分布参数，得到了最优估值的退化函数，提升了模型的准确性。

提升风电机组可靠性评估精度：该LSTM-Sage-Husa算法能够动态分析风电机组的运行数据，精确评估其可靠性，显著提高评估结果的准确性和可靠性，为设备维护提供科学依据。

优化风电场维护策略：通过实时评估风电机组的可靠性，该方法可为风电场的预防性维护提供关键数据，优化维护计划，减少突发故障和停机时间，降低维护成本。

推动风电行业智能化发展：结合大数据和人工智能技术，该装置能够实现风电机组可靠性的智能化评估和管理，推动风电行业向数字化、智能化方向发展。

本发明通过对风电机组的寿命建立非线性Wiener退化过程，考虑了有效冲击对风电机组的影响，通过采用多层感知LSTM模型预测退化过程中缺少数据问题，可以有效解决因为数据缺失导致风电机组可靠性评估不准确问题，接着引入分布参数变量，利用动态Sage‑Husa算法求得退化过程中的统计模型和分布参数，并结合预测分布参数，得到了最优估值的退化函数，更精确的捕捉了非线性退化过程中的机组性能变化，并降低了数据的波动性，除去了退化数据中的噪点，提升了模型的准确性。