基于栈式自编码网络的风机叶片结冰预测

针对风电机组叶片结冰严重影响风机发电效率和安全性、经济性的问题,提出一种基于SCADA数据的栈式自编码(SAE)网络叶片结冰早期预测模型。该模型采用编码-解码的非监督方法对无标签的数据集预训练,再利用反向传播算法对有标签的数据集进行训练微调,实现了故障特征的自适应提取和状态分类,有效降低了传统预测模型的复杂度,同时避免了人为特征提取对模型效果的影响。利用SCADA系统采集的某15号风机的历史数据进行训练和测试,该模型测试结果准确率为97.28%。与支持向量机(SVM)和主成分分析-支持向量机(PCA-SVM)方法得到的建模分别为91%和93%的准确率进行对比分析,实验结果表明,基于栈式自编码网络的风机叶片结冰预测模型精确度更高。