基于深度学习的风机叶片结冰诊断方法

作者：汤占军; 肖遥; 李英娜

来源：现代电子技术, 2022, 45(11): 77-82.

DOI：10.16652/j.issn.1004-373x.2022.11.015

• 风机叶片结冰诊断
• 深度学习
• 特征工程
• 诊断模型
• 数据预处理
• 特征选择

风机叶片结冰的现象严重影响风电发电效率，若在结冰状态下风机仍照常工作，不仅会影响经济效益，严重时还会直接损坏叶片等设备引发安全事故。传统手段通过人工观察、安装设备等方法效率低下。为此提出一种使用SVMSMOTE过采样与RFECV算法结合的特征工程，并采用全连接深度神经网络模型提前准确预测叶片结冰情况，以便及时采取相应措施，保证设备与人员的安全，提高发电效益。实验结果表明，深度学习模型经过训练后测试集准确率达到99.13%，比无特征工程条件下相同模型准确度提高了1.56%；此外，当该模型泛化应用到另一风机数据集时，故障诊断的准确度也达到92.3%，证明了该方法的有效性，该模型与KNN、SVM等传统机器学习模型相比，准确度、召回率等重要指标表现更好，为风机叶片结冰的诊断问题提供了一种新的解决思路。

• 单位
  自动化学院; 昆明理工大学