胡翔，殷锋，袁平

（1.四川大学计算机学院，成都610065；2.西南民族大学计算机科学与技术学院，成都610041；3.重庆第二师范学院数学与信息工程学院，重庆400067）

0 引言

伴随着全球化石燃料短缺问题愈发严重，能源的开发重心逐渐转向可再生能源。风能如今作为被广泛开发与利用的清洁能源之一，在电网系统总容量中占有很大比例[1]。然而，由于风力发电处于复杂且恶劣的环境，风力涡轮机经常发生故障，从而导致非计划停机时间，这给风电场运营商带来高运行维护成本，因此研究先进的风力涡轮机故障检测方法是非常必要的，它可以尽早检测到那些可能存在的故障，最终帮助风电场的运营商及时采取适当的措施，避免造成继发性损害甚至灾难性事故，从而实现更好的维护计划。

目前，研究风力涡轮机故障检测的方法可以分为两类，一种是基于数学模型的方法，另一种是基于数据驱动的方法。基于数学模型的方法主要是基于风力发电机系统中的物理机制和严格的数学模型进行系统建模，但它们很难实践且不易更改。基于数据驱动的方法不需要严格的数学建模，并且可以从风电涡轮机测量的高维传感数据中提取有用的特征或表示，然后通过进一步的分类决策来识别不同的故障类型。通过提升风机故障检测精确度，可以帮助风电场维护人员提前获知风机运行状态，及时准确地诊断风机的故障，以提高维护速度并最大限度地提高风力发电效率。……