基于卷积神经网络的风机叶片结冰故障检测

摘要：

发电机叶片结冰是风力发电中的常见问题,准确检测叶片结冰故障能有效提高风电场的安全性与发电效率.为了准确检测叶片结冰故障,提出一种基于卷积神经网络的检测模型.通过改变1×1卷积核数量,改变特征维度并增加卷积网络的非线性,检测真实运行的风力发电机Supervisory Control And Data Acquisition(SCADA)数据.在以上基础上,使用Swish激活函数和Synthetic minority oversampling technique(SMOTE)提高模型的检测效果,获得较高的检测准确率、召回率与F1分数.并且检测另一台风力发电机SCADA数据对比验证模型泛化性.检测结果表明,Swish激活函数和SMOTE均能有效提高泛化性,评价指标表明模型泛化性较强.最终检测结果为99.59％的准确率和96.80的故障样本F1分数,泛化性检测结果为93.42％的准确率和40.15的故障样本F1分数,代表着叶片结冰故障检测模型能准确检测结冰故障,具有较好的应用前景.

关键词：风机叶片结冰检测;卷积神经网络;故障检测

所属期刊栏目：38

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金51667012

在线出版日期：2022-01-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：85-88,211