(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211012318.2 (22)申请日 2022.08.23 (71)申请人 燕山大学 地址 066004 河北省秦皇岛市海港区河北 大街438号 (72)发明人 江国乾　范伟鹏　王俪瑾　谢平　 李小俚　何群　 (74)专利代理 机构 石家庄众志华清知识产权事 务所(特殊普通 合伙) 13123 专利代理师 赵洪娥 (51)Int.Cl. G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06N 20/00(2019.01)G06Q 50/26(2012.01) (54)发明名称 一种高效的分布式风电机组联邦迁移故障 诊断方法 (57)摘要 本发明涉及一种高效的分布式风电机组联 邦迁移故障诊断方法， 属于风力发电机组故障诊 断技术领域， 包括： S1： 建立训练集和测试集； S2： 构建本地轻量化故障诊断模型； S3： 训练本地轻 量化故障诊断模型并对齐域分布； S4： 上传部分 本地更新模型权值到中央服务器； S5： 中央服务 器将步骤S4上传的部分本地更新模型权值聚合 与返回； S6： 完成最优轻量化故障诊断模型的训 练。 本发明通过将不同风电场中不同风电机组分 散的数据联合起来进行高效的联邦迁移训练， 在 解决数据孤岛和数据隐私问题的同时， 有效弱化 不同机组间的数据非独立同分布现象的负面影 响， 降低计算和通信成本， 加快分布式系统的响 应速度， 实现风电机组的高效可靠故障诊断。 权利要求书2页 说明书6页 附图2页 CN 115481675 A 2022.12.16 CN 115481675 A 1.一种高效的分布式风电机组联邦 迁移故障诊断方法， 其特 征在于： 包括以下步骤： 步骤S1： 建立训练集和 测试集； 步骤S2： 构建本地轻量 化故障诊断模型； 步骤S3： 训练本地轻量 化故障诊断模型并对齐域分布； 步骤S4： 上传部分本地更新模型权值到中央服 务器； 步骤S5： 中央服 务器将步骤S4上传的部分本地更新模型权值聚合与返回； 步骤S6： 完成最优轻量 化故障诊断模型的训练。 2.根据权利要求1所述的一种高效的分布式风电机组联邦迁移故障诊断方法， 其特征 在于： 所述步骤S1根据不同风电场中不同型号风电机组采集的数据是否有标记， 划分出多 台带有标记数据的源风机和一台带有 未标记数据的目标风机， 然后 将源风机的全部数据和 目标风机的用于参与抗域适应训练的部 分本地数据作为训练集， 剩余部分目标风机的本地 数据作为测试集。 3.根据权利要求1所述的一种高效的分布式风电机组联邦迁移故障诊断方法， 其特征 在于： 所述步骤S2中的本地轻量化故障诊断模型采用轻量化多尺度神经网络， 将步骤S1的 训练集数据样本输入到轻量化多尺度神经网络， 所述轻量化多尺度神经网络包括特征提取 器、 分类器和判别器， 所述特征提取器包括两层卷积层和一层深度可分离卷积层， 所述分类 器由引入深度可分离卷积层的incept ion v1所构成， 所述判别器由一层卷积层和两层全连 接层组成； 特征提取器用于捕获潜在特征， 分类器用于诊断样本的故障类别， 判别器用于区 分源域和目标域； 将特 征提取器输出的潜在特 征作为分类 器和判别器的输入。 4.根据权利要求1所述的一种高效的分布式风电机组联邦迁移故障诊断方法， 其特征 在于： 所述 步骤S3的具体步骤为： 训练每台源风机的本地轻量化故障诊断模型的全部参数， 包括特征提取器、 分类器和 判别器的所有可训练参数， 同时根据联邦对抗策略缩小源风机和目标风机之间的领域差 异， 以在保护数据隐私的同时对齐潜在特 征的分布， 将判别器的目标函数 定义为公 式(1)： 其中， 和 分别为n台源风机的本地数据集和样本， 和dt分别为目标风机的本地 数据集和样本， 为n台源风机的本地特征提取器， GEt为目标风机的本地特征提取器， DIn为n台源风机的判别器； 然后固定判别器， 将特 征提取器的目标函数 定义为公式(2)： 源风机本地训练的总损失 如公式(3)所示：权　利　要　求　书 1/2 页 2 CN 115481675 A 2其中， 为交叉熵损失函数。 5.根据权利要求2所述的一种高效的分布式风电机组联邦迁移故障诊断方法， 其特征 在于： 所述 步骤S4的具体步骤为： 所述源风机上传更新后的部分本地模型权值， 目标风机上传更新后的部分本地模型权 值和特征提取器的输出 特征。 6.根据权利要求5所述的一种高效的分布式风电机组联邦迁移故障诊断方法， 其特征 在于： 所述 步骤S5的具体步骤为： 中央服务器收集源风机和目标风机上传的本地部分更新模型权值， 以及目标风机提取 器的输出 特征， 然后利用部分聚合策略来更新全局部分权值， 如式(4)： 其中， 表示更新后的第n 台风机第e次全局迭代训练对应的本地模型的部分权值， 表示平均聚合； 最后将所述输出特征返回给源风机， 将更新后的全局部分参数返回给源风机和目标风 机， 以进行 下一次迭代。权　利　要　求　书 2/2 页 3 CN 115481675 A 3