来源：期刊VIP网 时间：
作者：王倩月;司刚全;尹军华;童文瀚;李博;王昕;
单位：西安交通大学电工材料电气绝缘全国重点实验室;西安交通大学电气工程学院;
摘要：针对现有变分网络在风力发电机组监测数据特征提取和故障敏感性方面的不足，提出了一种面向风机正常状态建模的条件变分递归窗口网络(CVRWN),并据此构建叶片结冰程度量化方法。首先，采用引入自注意力机制的多组条件变分自编码器(CVAE)对窗口化的风机监测数据进行学习，以实现各时间窗口的潜在分布特征提取与风功率数据重构；其次，通过门控循环单元(GRU)实现跨窗口特征传递，并引入预测子模块以增强长期趋势建模能力，从而构建完整的CVRWN网络结构；随后，利用风机正常运行数据对所构建网络进行训练，通过联合优化重构损失与预测损失得到具备稳定建模能力的CVRWN模型；最终，将CVRWN模型最后一个窗口的风功率重构损失定义为风机叶片结冰指数r,实现叶片结冰程度的精准量化。实际运行数据验证表明，采用CVRWN模型进行风功率重构时，其精度较基础CVAE模型提升约10%,验证了所提模型结构改进的合理性与有效性。在叶片结冰过程中，相较于基线模型，所提模型的结冰指数r能够精准动态表征叶片结冰演化过程，为极端环境下风力发电机组的安全运维提供量化参考。
关键词：风力发电机组;;叶片结冰;;变分网络;;正常状态建模;;量化方法;;重构损失
基金资助：国家重点研发计划资助项目(2021YFB2400800,2018AAA0101501)
