张 月 窦 瑞

（成都理工大学，四川 成都 610059）

0 引言

随着化石燃料对生态环境的破坏程度日益增加，可再生能源的利用被重视起来。相关调研数据显示，虽然我国风能资源巨大，但是其广泛分布在高寒地区和沿海地区[1]。由于这些地区存在海拔较高、空气湿度较高以及环境温度较低的情况，所以这些因素严重制约了风机的发电性能，并且给风机的安全运行造成较大威胁。尤其是当叶片附着较大质量的冰层时，会在很大程度上改变风机叶片的共振频率，同时也会改变动态的响应行为，造成叶片断裂的事故。该文充分地结合了SCADA 系统的运新数据，首先对海量数据进行数据预处理，其次对数据进行探索性分析，最后建立数学模型。基于Python（计算机程序设计语言）平台的TensorFlow（符号数学系统）环境下搭建数据分析平台，依据数据结果探索出各个算法之间的优劣性。根据相关系数水平以及均方根差（RMSE）值选出最优的算法。将高纬量的输入向量作为特征值进行取值，使其更加符合挖掘所需的目标。该过程充分地考虑了机组和部件之间的相关性以及耦合性，有效针对实际监测中的运行功率和理论功率之间的偏差关系建立风电机组的运行状态。同时，不同算法之间的结冰过程预测准确度也直接决定了除冰系统的效率、风机的效率损失和风机运行的风险。因此横向对比不同算法间的预测结果精度具有较高的应用价值[2]。

1 相关理论

近年来，深度学习技术越来越成熟。……