傅晓骏 孙海龙 章珈宁

摘 要：发电风机叶片结冰故障诊断在国际上现在依旧在研发过程，大多数风力发电厂都是叶片结冰影响运行后进停止发电，用各种方法去冰。针对这一现象，本文设想了一种采用数据驱动型的结冰检测方法，通过分析SCADA系统采集现场数据，建立结冰预测模型。首先根据工业大数据的特点，在预处理环节，进行剔除奇异值等操作;再通过机理分析，选择合适特征;最后将特征数据带入使用粒子群算法优化参数的支持向量机中。实验表明对叶片结冰预测取得了显著成果，这可能成为风机叶片结冰状态预测的新方法。

关键词：风机故障诊断;风力发电;工业大数据;支持向量机

叶片结冰是风电领域的一个全球范围难题。目前对风力机结冰问题研究上集中在及时发现叶片的结冰情况并在产生影响前除去冰，如果能对叶片结冰进行早期预测，也是防止叶片结冰对风力发电产生影响的重要手段，现在也有通过红外线检测叶片温度数据预测结冰状态。然而上述这些方法，都需要对叶片进行改造，装设额外设备，降低了风力发电效率。

SCADA系统在风电行业已广泛使用，系统每天产生大量的监测数据，而叶片结冰的信息往往蕴含其中，本文设想通过数据驱动角度，对SCADA系统监视数据进行处理，以实现对叶片结冰状态的检测和判断，从过去被动维护转变为主动维护，且不过分依赖于专业知识。

1 数据预处理

首先删去训练集中的已知的无效样本。……