胡凯凯，陈亚楠，陈 刚，舒 晖，李籽圆

（中车株洲电力机车研究所有限公司，湖南 株洲 412001）

0 引言

随着物联网、大数据以及人工智能技术的快速发展，在风电整机产品严重同质化的今天，各大整机厂都在陆续推出其产品智能化、数字化整体解决方案，覆盖从风电场开发、设计、建设到运维的产品全生命周期过程[1]。基于音频数据对风电机组的异常状态进行监测就是其中一个落地应用的探索方向。华北电力大学和南京航空航天大学等高校、远景科技集团和新疆金风科技股份有限公司等风电机组整机厂家以及国内语音识别龙头厂家科大讯飞股份有限公司均开展过相关技术的研究和应用[2]，取得了一定的成果；但受限于成本压力，该方案整体上仍处于科研样机试装阶段。风电机组被安装在户外，风沙、盐雾等恶劣环境易导致叶片出现损伤[3]。目前，判断叶片是否损伤主要依据运维人员的巡检结果，其效率低，且容易漏检，由此造成叶片损伤的进一步扩大，影响风电机组的发电量和运行安全。因此，使用技术手段监测叶片损伤情况，实现叶片异常状态的早期诊断，这成为解决该问题的一个重要途径。为此，本文利用叶片损伤后其气动音频信号会发生变化这一特点，设计了基于音频数据的风电机组异常状态监测系统，并形成一套初步可行的基于风电机组音频数据的风电机组叶片异常状态检测方法。下面将对该方法的系统架构、样本收集、数据探索、特征工程、模型训练与验证、风电机组工况识别和异常模式的探索情况进行全面的介绍。……