公开(公告)号：CN115450864B

公开(公告)日：2024-11-15

申请号：CN202211341472.4

申请日：2022-10-26

Applicant: 华北电力大学

Inventor： 刘永前 ,  陶丞 ,  陶涛 ,  韩爽 ,  李莉 ,  阎洁 ,  孟航 ,  闫亚敏

IPC: F03D80/40 ,  G06F30/27

Abstract: 本发明公开了属于风电机组状态预警及故障诊断技术领域的一种基于合成少数类样本的风电机组叶片结冰诊断方法。该方法包括步骤1：监测并记录风电机组的结冰状态，给相应的SCADA数据增加结冰标签，将瞬时特征、原始SCADA数据提取的特征及时序特征结合成最终特征；步骤2：拟合理论功率曲线，采用KBS2合成少数类样本过采样方法形成新的数据集；步骤3：对训练集进行多次迭代，并得出测试集的准确率指标；步骤4：离线训练、在线部署及应用风电机组叶片结冰状态预测模型。本发明能够解决风电机组叶片结冰特征提取及结冰数据占比过低的问题，为风电机组运行维护、状态预警及故障预测研究提供可靠的方法基础。

公开(公告)号：CN115450864A

公开(公告)日：2022-12-09

申请号：CN202211341472.4

申请日：2022-10-26

Applicant: 华北电力大学

Inventor： 刘永前 ,  陶丞 ,  陶涛 ,  韩爽 ,  李莉 ,  阎洁 ,  孟航 ,  闫亚敏

IPC: F03D80/40 ,  G06F30/27

Abstract: 本发明公开了属于风电机组状态预警及故障诊断技术领域的一种基于合成少数类样本的风电机组叶片结冰诊断方法。该方法包括步骤1：监测并记录风电机组的结冰状态，给相应的SCADA数据增加结冰标签，将瞬时特征、原始SCADA数据提取的特征及时序特征结合成最终特征；步骤2：拟合理论功率曲线，采用KBS2合成少数类样本过采样方法形成新的数据集；步骤3：对训练集进行多次迭代，并得出测试集的准确率指标；步骤4：离线训练、在线部署及应用风电机组叶片结冰状态预测模型。本发明能够解决风电机组叶片结冰特征提取及结冰数据占比过低的问题，为风电机组运行维护、状态预警及故障预测研究提供可靠的方法基础。