[发明专利]一种风电机组叶片结冰检测方法

权利要求书

1.一种风电机组叶片结冰检测方法，其特征在于，包括如下步骤：

S101：获取风机SCADA监测数据中的时间序列数据；

S102：对S101获取到的时间序列数据进行采样；对采样获得的数据进行数据清洗，获得清洗后数据；

S103：对清洗后数据进行相关性分析，抛弃掉清洗后数据中特征相关性低于预设阈值的特征数据，获得最终保留数据；

S104：对最终保留数据进行标准化和归一化处理，获得训练数据；

S105：利用训练数据进行深度神经网络模型的自适应增强学习训练，得到若干弱分类器；

S106：由弱分类器整合得到强分类器；

S107：利用所述强分类器对S103中最终保留数据进行预测，得到并输出叶片结冰状态检测结果。

2.如权利要求1所述的一种风电机组叶片结冰检测方法，其特征在于，S102中，采样间隔为10s。

3.如权利要求1所述的一种风电机组叶片结冰检测方法，其特征在于，S103中，最终保留数据包括发电机转速、发电机驱动端轴承温度、发电机有功功率、发电机无功功率、发电机实际扭矩、有功功率、网侧无功功率、发电机冷风温度、发电机冷却水温度、叶轮转速、每个叶片的电机温度、实时风速、实时风向、环境温度、10分钟平均风速、主轴转速、齿轮箱油池温度、大气压力。

4.如权利要求1所述的一种风电机组叶片结冰检测方法，其特征在于，S105包括如下步骤：数据选择和网络初始化；弱分类器预测；计算预测序列权重；调整测试数据权重。

5.如权利要求4所述的一种风电机组叶片结冰检测方法，其特征在于，数据选择和网络初始化具体为：

从样本空间中随机选择m组训练数据，初始化测试数据的分布权值D_i(i)＝1/m，根据样本输入输出维数确定神经网络结构，初始化深度神经网络权值和阈值。

6.如权利要求5所述的一种风电机组叶片结冰检测方法，其特征在于，弱分类器预测具体步骤为：

训练第t个弱分类器时，用训练数据训练BP神经网络并且预测训练数据输出，得到预测序列g(t)的预测误差和e_t，误差和e_t的计算公式为：

式中，g(t)为预测分类结果，y为期望分类结果。

7.如权利要求6所述的一种风电机组叶片结冰检测方法，其特征在于，计算预测序列权重具体步骤为：

根据预测序列g(t)的预测误差和e_t，计算序列的权重a_t，权重计算公式为：

8.如权利要求7所述的一种风电机组叶片结冰检测方法，其特征在于，调整测试数据权重具体步骤为：

根据预测序列权重a_t，调整下一轮训练样本的权重，调整公式为：

式中，β_t是归一化因子。

9.如权利要求8所述的一种风电机组叶片结冰检测方法，其特征在于，S106具体步骤为训练N轮后得到N组弱分类函数f(g_t,a_t)，由N组弱分类函数f(g_t,a_t)组合得到了强分类函数h(x)，式为：