本发明涉及应用于基于风力涡轮机的数据识别检测其叶片故障的，尤其涉及一种风电场级风力涡轮机叶片故障检测方法、设备及存储介质。
背景技术：
1、风力涡轮机通常位于高海拔地区和风能丰富的海上区域，这使得其部件（特别是叶片）面临更高的故障风险。叶片故障是风力涡轮机中最常见的事故类型。这突显了对风力涡轮机的叶片进行有效监测、及时故障检测和诊断的关键需求，以防止叶片严重故障和减少风力涡轮机的停机时间，从而确保涡轮机在恶劣环境中的效率和可靠性。
2、现有的风力涡轮机的检测方法主要是利用决策树、支持向量机和随机森林等机器学习技术分析风力涡轮机的数据，从而能够检测出潜在故障的细微模式和相关性。然而，现有的检测方法大多数提出的模型都是在单个风力涡轮机上验证的。在单个涡轮机的数据上训练的模型往往过度适应该涡轮机的特定特征和运行模式，导致在应用于不同涡轮机或不同条件下时缺乏普适性和准确性。大型风电场通常由几十到数百台涡轮机组成，将现有的检测方法应用到大型风电场中，会引发这些庞大风电场中风力涡轮机的检测准确度低的问题。
技术实现思路
1、本申请实施例通过提供一种风电场级风力涡轮机叶片故障检测方法、设备及存储介质，解决了现有的检测方法应用到大型风电场中，会引发这些庞大风电场中风力涡轮机的检测准确度低的技术问题，实现了通过多台风力涡轮机的多种数据，检测出广泛风电场中的风力涡轮机的叶片故障类型，提高广泛风电场中的风力涡轮机的检测精度和准确度，提升广泛风电场中的风力涡轮的识别检测效率等技术效果。
2、第一方面，本发明实施例提供一种风电场级风力涡轮机叶片故障检测方法，包括：获取风电场级风力涡轮机的目标检测模型和多个风力涡轮机中每个风力涡轮机的待测数据集，其中，所述目标检测模型包括：n个双向长短期记忆网络层bilstm层、n-1个随机失活层dropout层和全连接层，n＞1，相邻两个所述bilstm层之间通过一个所述dropout层连接，n个所述bilstm层中的最后一个bilstm层的输出端连接全连接层；
3、对所述每个风力涡轮机的待测数据集进行预处理，得到多个子数据集；
4、对所述多个子数据集进行归一化处理，得到多个目标子数据集；
5、通过所述目标检测模型对所述多个目标子数据集进行检测处理，得到所述每个风力涡轮机的叶片故障类型信息。
6、基于同一发明构思，第二方面，本发明提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现风电场级风力涡轮机叶片故障检测方法的步骤。
7、基于同一发明构思，第三方面，本发明提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，该程序被处理器执行时实现风电场级风力涡轮机叶片故障检测方法的步骤。
8、本发明实施例中的一个或多个技术方案，至少具有如下技术效果或优点：
9、在本发明实施例中，在获取风电场级风力涡轮机的目标检测模型和多个风力涡轮机中每个风力涡轮机的待测数据集之后，先将多个风力涡轮机的待测数据集进行预处理，得到多个子数据集，以确保多个风力涡轮机的待测数据集的完整性，便于后续被目标检测模型进行高效且精准地检测。再将多个子数据集进行归一化处理得到多个目标子数据集，以使每个子数据集中的子数据处于一致的尺度，得到多个目标子数据集，进一步提高目标检测模型对待测数据集的高效且精准地检测过程，还能加快目标检测模型的检测过程。然后，通过目标检测模型对多个目标子数据集进行检测处理，得到每个风力涡轮机的叶片故障类型信息。由于目标检测模型具有多层的双向长短期记忆网络层bilstm，增强了模型的随机丢弃策略，使得目标检测模型避免在检测过程中过渡拟合，提高对风电场级别的风力涡轮机的故障诊断的泛化能力。如此，通过目标检测模型对目标子数据集进行检测处理，提升检测过程的有效性和识别检测效率，增强检测精度和准确度。
1.一种风电场级风力涡轮机叶片故障检测方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，所述通过所述目标检测模型对所述多个目标子数据集进行检测处理，得到所述每个风力涡轮机的叶片故障类型信息，包括：
3.如权利要求2所述的方法，其特征在于，所述将所述目标子数据集通过当前的所述bilstm层和所述dropout层的层处理，得到当前目标隐藏状态，包括：
4.如权利要求3所述的方法，其特征在于，所述通过当前的所述bilstm层中的lstm单元，对所述目标子数据集中的每个目标子数据里的每个目标特征变量进行处理，得到当前隐藏状态，包括：
5.如权利要求1所述的方法，其特征在于，所述对所述每个风力涡轮机的待测数据集进行预处理，得到多个子数据集，包括：
6.如权利要求5所述的方法，其特征在于，所述对所述第一数据集进行特征选择处理，得到第二数据集，包括：
7.如权利要求1所述的方法，其特征在于，所述对所述多个子数据集进行归一化处理，得到多个目标子数据集，包括：
8.如权利要求1所述的方法，其特征在于，获取所述目标检测模型，包括：
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-8中任一权利要求所述的风电场级风力涡轮机叶片故障检测方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-8中任一权利要求所述的风电场级风力涡轮机叶片故障检测方法的步骤。
