王永平，张蕾，张晓琳，徐立，韩朋，张飞,3

(1.内蒙古科技大学 信息工程学院，内蒙古 包头 014010；2.包头医学院 计算机科学与技术系，内蒙古 包头 014010；3.华北电力大学 可再生与清洁能源学院，北京 102206)

风能作为可持续的清洁能源，由于其安全性、稳定性及低成本，在可再生能源的未来发展中发挥着重要作用.风机叶片是风电机组进行能量转换的核心部件之一，极易受温度低的影响而造成叶片结冰故障.对风机叶片进行及时准确的结冰故障诊断，可以提高风电场的发电效率和风电机组的运行寿命.

目前，风机叶片结冰故障诊断常采用无损检测技术，其中最突出的是声发射检测技术[1]、振动检测技术[2]以及无人机检测技术[3].除无损检测技术外，还有超声波[4]、光纤光栅[5]等损伤识别技术.超声波主要在风机出厂前的静态检测中应用，声发射与振动等动态检测需要在叶片外加装传感器收集叶片动态信息，成本高且容易破坏叶片动力学特性[6]，而无人机检测技术需要停机检测，且存在续航时间短、飞行受环境因素制约等缺点[7].

SCADA系统作为当前应用最为广泛、技术发展最为成熟的数据采集与监控系统，由于其蕴含丰富的风电机组的运行状态信息且无需安装额外的传感器从而降低监测和维修的成本，因此在大量风电设备中得到应用[8].目前基于SCADA数据的风机叶片结冰故障诊断方法常用机器学习方法和深度学习方法.文献[9]采用支持向量机和随机森林模……