风力发电机叶片结冰检测算法研究

Research on ice detection algorithm for wind turbine blades

位于寒冷湿润气候区的风力涡轮机普遍存在的叶片结冰问题,但结冰过程时间关联性强、结冰过程缓慢,导致难以直接精确建模,数据驱动间接检测方法显示出了强大潜力。然而,结冰检测的时间窗口长度、时序特征的提取能力和数据信息冗余等问题,限制了数据驱动模型的性能。为解决这些问题,提出了一种基于斯皮尔曼相关系数的降维算法,对数据特征进行降维,减少数据输入冗余并保证时序特征信息的完整。将降维后的数据划分为15min,30min和60min的时间窗口,研究叶片结冰检测的最佳时间长度;最后将特征数据类型分为三类:温度、电流、其他,分别输入Attention-LSTM网络,利用注意力机制施加不同权重,增强模型对影响叶片结冰特征的提取能力。实验结果表明,与其他数据驱动模型对比,所构建的模型具有更优的性能。