基于自注意力和域自适应的风电机组异常状态检测

来源：振动与冲击杂志2025年第10期北京时间：

作者：王晓霞wangxx@ncepu,，郑肖剑，柳璞，王荣康，王涛

单位：1.华北电力大学计算机系，河北保定071003；2.河北省能源电力知识计算重点实验室，河北保定071003；3.华北电力大学数理系，河北保定071003

摘要：针对新建风电机组历史数据不足及不同机组间数据分布差异大的问题，提出一种结合自注意力机制与域自适应网络的风电机组异常状态检测方法。首先，采用编码器-解码器结构对源域和目标域风电机组运行数据进行特征重构，以捕捉潜在的风电模式和领域信息。然后，设计自注意力模块，通过与域判别器的对抗学习提取跨域共享特征，根据跨域信息的匹配度自动加权不同机组的领域信息，实现动态特征重构，从而提升模型对不同机组数据分布变化的适应性。最后，计算重构误差作为异常分数用于异常检测。实际风电机组运行数据的结果表明，该方法在历史数据有限的条件下能够高效地识别风机异常状态，相较于其他深度学习和深度迁移学习方法，显著提升了检测精度。<br>

关键词：风电机组；异常检测；域自适应；自注意力机制；对抗训练