基于时变隐马尔科夫模型的SCADA数据异常状态智能判定方法

来源：计算机测量与控制杂志2025年第7期北京时间：

作者：陈秀康

摘要：风电机组实际运行情况复杂,由于其工况随风速时变,户外恶劣环境导致机组各部件故障率高及人为限电等因素,风电机组SCADA系统实测运行数据中包含一定比例的异常数据,且异常类型复杂。如果用原始数据进行数据异常状态分析会导致分析结果产生很大偏差,导致SCADA数据异常状态精度下降,为此为此提出了基于时变隐马尔科夫模型的SCADA数据异常状态智能判定方法。使用滑动窗口技术与数据增广状态矩阵对于SCADA数据进行平滑处理后得到去噪数据,为后续的数据异常状态智能判定提供高质量的数据。根据去噪后数据的特征进行数据分类处理。利用时变隐马尔科夫模型对比正常数据属性和分类后子数据集属性,若是二者一致则说明数据状态正常,若是不一致则说明数据异常,从而实现SCADA数据异常状态智能判定。实验结果表明,该方法方法可以精准判定SCADA数据异常状态,可以确保SCADA系统的安全稳定运行。

关键词：基于时变隐马尔科夫模型的风电机组SCADA数据异常状态智能判定方法

基金资助：国家级自然科学项目基金:0710FD221054080