来源：期刊VIP网 时间：
作者：王威;苏洪军;王海云;丁国栋;连昊;
单位：新疆大学可再生能源发电与并网控制教育部工程研究中心;北京天诚同创电气有限公司;北京金风科创风电设备有限公司;
摘要：随着风电规模的不断增加，风电机组关键部件的运行维护成为研究的热点。针对风电机组叶片覆冰问题，文章提出了一种基于特征选择和改进长短期记忆网络（LSTM）算法的风电机组叶片覆冰故障检测方法。该方法首先采用Relief算法进行特征选择，利用LSTM网络作为残差发生器，通过交叉预测模型对SCADA特征序列进行预测，得到预测值与真实值的特征残差；然后，从残差中提取5个隐含的数据特征，并导入序列分类模块进行覆冰检测；最后，将该方法与K近邻和随机森林算法进行对比。结果表明，文章提出的方法可以更准确地实现覆冰检测，验证了该方法的可行性。
关键词：风电机组;;叶片覆冰;;特征选择;;交叉预测与序列分类LSTM;;故障检测
基金资助：新疆维吾尔自治区重点研发计划项目(2022B01048);; 哈密高新区科技项目(HGX2023KJXM008);; 2024年中央引导地方科技发展专项(ZYYD2024CG13);; 新疆维吾尔自治区两区项目(2024LQ02006)
