基于残差网络的风电机组基础健康监测数据修复研究

为精准有效地修复连续性异常数据,提出一种基于残差块优化卷积神经网络的残差网络数据修复模型。以乳山风电场的风电机组基础健康监测数据为例对模型进行工程验证。同时选取具有修复功能的多种模型对实际异常数据进行修复验证,并对所有模型的性能以及自身的修复精度进行对比分析。结果表明：ResNet模型避免了FCN以及CNN模型存在的缺陷,提高了数据修复的精度;ResNet模型适用于缺失或异常比例低于30%的数据修复;ResNet模型修复实例的结果符合数据变化趋势,能较好吻合监测数据的原始曲线。