一种基于一维残差神经网络的风机叶片结冰故障诊断方法技术

本发明专利技术公开了一种基于一维残差神经网络的风机叶片结冰故障诊断方法，包括：获取风力发电机的SCADA数据和叶片状态数据；通过标记标签、重采样、类间平衡和归一化对SCADA数据进行预处理；对预处理后的数据进行基于叶片结冰物理机制和XGBoost特征重要性计算选取与叶片结冰最相关的特征；构建一维残差神经网络；将特征重要度排序后递增特征维度比较一维残差神经网络模型诊断的准确率；利用测试集进行测试，评估模型的诊断性能。本发明专利技术利用一维卷积层自适应的提取特征并做出叶片结冰诊断，加入残差块加深网络的同时解决网络优化的过程中存在梯度消失和梯度爆炸的问题，具有更高的综合性能和泛化能力，具有较高的预测准确度，可以将除冰系统的效率提高到最大值。

A fault diagnosis method of fan blade icing based on one dimensional residual neural network

【技术实现步骤摘要】
一种基于一维残差神经网络的风机叶片结冰故障诊断方法
本专利技术属于风机叶片故障诊断的
，尤其涉及一种基于一维残差神经网络的风机叶片结冰故障诊断方法。
技术介绍
近年来，由于不可再生能源的逐渐枯竭，风能作为一种可再生资源得到广泛的发展和利用。风力发电机作为风力发电的主要设备得到了广泛的应用，风机通常被安装在海上和偏远的高海拔陆地地区，以获得最大的风速和最小的利益冲突。但是这些地区湿度高温度低，风力发电机的叶片特别容易出现不同程度的结冰现象。风力发电机的叶片结冰会使叶片的气动外形、结构性能及载荷发生改变，从而导致一系列与结冰相关的问题，如能量的损失、风机故障、安全隐患和经济损失等。因此，为了保证风力发电机的正常运行以及降低维护成本，风叶早期结冰故障检测变得至关重要。现有技术中，一般采用基于安装额外传感器的方法，例如基于热遥感的结冰探测，通过采用热红外传感器测量叶片表面的辐射，由于冰与其他材料在辐射率方面存在差异，通过分析辐射值可以诊断叶片是否结冰。该方案增加了风机的安装及设计复杂度，并且产生了额外的维护成本，传感器的老化和故障本文档来自技高网...

【技术保护点】
1.一种基于一维残差神经网络的风机叶片结冰故障诊断方法，其特征在于，包括以下步骤：/n步骤1：获取风力发电机的SCADA数据和叶片状态数据；/n步骤2：对上述SCADA数据进行标记数据标签、数据重采样、数据归一化和SMOTE过采样一系列预处理操作；/n步骤3：对预处理后的数据进行基于叶片结冰物理机制和XGBoost特征重要性计算；/n步骤4：构建一维残差神经网络；/n步骤5：将特征重要度排序后递增特征维度比较一维残差神经网络模型诊断的准确率；/n步骤6：利用测试集进行测试，评估模型的风叶结冰故障诊断性能。/n

【技术特征摘要】
1.一种基于一维残差神经网络的风机叶片结冰故障诊断方法，其特征在于，包括以下步骤：
步骤1：获取风力发电机的SCADA数据和叶片状态数据；
步骤2：对上述SCADA数据进行标记数据标签、数据重采样、数据归一化和SMOTE过采样一系列预处理操作；
步骤3：对预处理后的数据进行基于叶片结冰物理机制和XGBoost特征重要性计算；
步骤4：构建一维残差神经网络；
步骤5：将特征重要度排序后递增特征维度比较一维残差神经网络模型诊断的准确率；
步骤6：利用测试集进行测试，评估模型的风叶结冰故障诊断性能。


2.如权利要求1所述的基于一维残差神经网络的风机叶片结冰故障诊断方法，其...

【专利技术属性】
技术研发人员：杨莹，沈学利，秦鑫宇，项海菊，
申请(专利权)人：辽宁工程技术大学，
类型：发明
国别省市：辽宁;21