董 健，柳亦兵，滕 伟，马志勇

（1.国电联合动力技术有限公司，北京100039；2.华北电力大学 电站能量传递转化与系统教育部重点实验室，北京 102206）

0 引言

风力发电机组作为使用可再生能源、发展清洁电力的重要途径，已在全世界范围内广泛应用[1]，[2]。随着国内风电的不断发展，风电机组的装机容量、装机台数不断攀升，但是我国风资源主要分布于三北等高纬度、高海拔地区，风电机组工作的环境温度较低，而这些风电机组在工作中面临霜雪、冰冻的考验，极易发生风电机组叶片结冰现象，致使风电机组面临风能捕捉效率降低、叶片断裂、冰凌掉落影响人身安全等问题[3]～[5]。如何准确识别风电机组的叶片结冰状态，及时消除叶片结冰成为了当前风电行业中的研究难点与研究热点。

针对如何识别风电机组是否处于叶片结冰故障状态，现有研究主要集中在使用硬件识别和算法识别两个方向。在硬件识别方向，须要在风电机组中安装硬件设备对叶片进行检测，以有效识别叶片是否处于结冰故障状态。如安装红外传感器识别温度是否超过设定阈值、通过超声检测仪辨别叶片状态、利用其它传感技术判断叶片是否发生结冰等[6]～[8]。这些研究须要借助外接设备实现，安装复杂且增加成本，因此，部分学者在算法识别方向进行了研究。主要通过各种机器学习算法对风电机组SCADA数据进行分类，区别风电机组的正常状态和叶片结冰故障状态，通常使用的算法有神经网络、逻辑回归和随机森林等[2]，[3]，[9]。……