苏国梁，汪健冬，付恩强，赵娟娟，黄文广，刘广臣 *

(1.国电电力内蒙古新能源开发有限公司，呼和浩特 010020；2.鲁东大学 数学与统计科学学院，烟台 264000；3.华风数据(深圳)有限公司，深圳 518110)

0 引言

风能是一种清洁而且可待续的新能源，在生态问题日益严重、温室气体排放量逐年增加的大环境下，风电成为全球认可的安全、低碳、可再生电源，并且利用风电减缓气候变化的方案引起了各国政府、企业和机构等的高度关注。随着风电机组装机规模的不断增大，以及由于相关技术不断进步使现有风电机组的运行年限随之增加，风电机组的安全运行受到广泛关注。在长时间的运行过程中，风电机组易发生诸如起火、倒塔、叶片断裂等事故。然而，由于风电机组零部件的多样性和复杂性，其运行维护困难重重[1]。传统的人工检修方法一般是在风电机组事故发生后进行检修，而且由于运维人员的技术水平存在差异，导致检修的耗时各不相同，这不但会给风电场带来一定程度的损失，还会影响电网的稳定性。近年来，大数据和人工智能技术的不断发展为智能化的故障预警和故障诊断提供了可能，通过基于风电机组数据采集与监控(SCADA)系统的大数据，利用人工智能算法判断风电机组的健康状况并诊断潜在性故障[2]已成为风电行业解决故障预警及故障诊断技术问题的重要途径。

在风电机组发电机的故障预警和故障诊断方面，国内外学者开展了大量研究并取得了丰富的成果。……