基于Bi-LSTM和支持向量机的风机叶片短期覆冰状态预测模型

作者：熊昌全; 何泽其; 张宇宁; 黄胜

来源：四川电力技术, 2021, 44(03): 88-94.

DOI：10.16527/j.issn.1003-6954.20210316

• 风机叶片覆冰
• SCADA监测系统
• Bi-LSTM预测模型
• 主成分分析法
• 支持向量机

风机叶片覆冰灾害严重危害风电场安全经济运行,对风机叶片覆冰状态的预测是预防覆冰灾害的有效手段。针对传统覆冰状态预测方法精度较差问题,基于风电场SCADA监测数据,提出一种基于Bi-LSTM和SVM的风机叶片短期覆冰状态预测模型。首先,采用PCA对风机叶片覆冰状态监测特征指标进行降维,筛选可以反映风机叶片覆冰状态的特征指标;其次,基于大量历史数据,对Bi-LSTM和SVM模型进行训练,训练结果表明模型有较好精确度;最后,将多组实际数据集输入Bi-LSTM预测模型,预测输出值输入SVM模型,对风机叶片是否会出现覆冰故障进行判别。结果表明,所提方法可准确实现叶片覆冰状态预测,准确率可达95%。