风电场雷击故障智能诊断模型开发实战

📚 共计 30 章节

课程导论与行业背景

雷击对风电场的影响、智能诊断的价值、课程整体架构与学习路径。

雷击故障机理分析

雷电放电过程、雷电流特性参数、风机叶片与电气系统的雷击损伤模式。

数据采集与传感器部署

电流传感器、电压传感器、气象传感器（风速、风向、湿度）的选型与安装位置。

传感器部署

数据预处理基础

缺失值处理、异常值检测、数据归一化与标准化方法。

预处理清洗

特征工程（上）

时域特征提取（均值、方差、峰值、峭度等）。

特征工程（下）

频域特征提取（FFT、功率谱密度、频谱能量分布）。

特征选择与降维

皮尔逊相关系数、互信息、主成分分析（PCA）。

数据集构建

正负样本平衡策略（SMOTE过采样、随机欠采样）、训练集/验证集/测试集划分。

传统机器学习模型（上）

逻辑回归、支持向量机（SVM）原理与在雷击诊断中的应用。

SVM逻辑回归

传统机器学习模型（下）

随机森林、XGBoost、LightGBM原理与对比。

深度学习基础

感知机、激活函数（ReLU、Sigmoid、Tanh）、损失函数（交叉熵、MSE）。

深度神经网络（DNN）

全连接网络结构、反向传播算法、在雷击诊断中的搭建实践。

DNN反向传播

卷积神经网络（CNN）

一维卷积原理、池化操作、适用于时序信号的CNN架构设计。

循环神经网络（RNN）与LSTM

时序建模原理、LSTM门控机制、处理雷击电流波形序列。

注意力机制与Transformer

自注意力原理、位置编码、在故障诊断中的轻量化应用。

注意力Transformer

模型训练与调优

学习率调度、正则化（L1/L2、Dropout）、早停法、超参数网格搜索。

模型评估与验证

混淆矩阵、准确率/召回率/F1-score、ROC曲线与AUC、K折交叉验证。

模型解释性

SHAP值分析、特征重要性排序、LIME局部解释。

实时诊断系统架构

边缘计算与云端协同、数据流管道设计（Kafka/Flume）、模型部署策略。

模型部署与推理优化

ONNX模型转换、TensorRT加速、量化与剪枝技术。

告警与决策支持系统

多级告警阈值设定、故障定位与维修建议生成、可视化仪表盘设计。

案例实战（一）

基于某风电场历史数据的雷击故障诊断全流程演练（数据加载与清洗）。

案例实战（二）

特征提取与模型训练（对比SVM、随机森林、LSTM效果）。

案例实战（三）

模型部署与实时推理演示（使用Flask搭建轻量级API服务）。

案例实战（四）

结果分析与报告生成（自动生成诊断报告PDF）。

系统可靠性设计

冗余传感器策略、模型容错机制、数据备份与恢复方案。

可靠性容错

标准与规范

IEC 61400系列标准、雷击防护等级要求、行业验收规范解读。

前沿技术展望

数字孪生与雷击仿真、联邦学习在跨风场模型中的应用、大模型辅助诊断。

前沿数字孪生

项目总结与复盘

常见踩坑点、性能瓶颈分析、优化方向与迭代建议。

综合考核与答辩

课程项目展示、评分标准、答辩技巧与职业发展建议。