计算机应用

作者：刘娟, 黄细霞, 刘晓丽

单位：航运技术与控制工程交通部重点实验室(上海海事大学), 上海 201306

关键词：风机叶片结冰预测,栈式自编码,深度学习,预测模型

基金：国家自然科学基金资助项目（61304186）。

针对风电机组叶片结冰严重影响风机发电效率和安全性、经济性的问题，提出一种基于SCADA数据的栈式自编码（SAE）网络叶片结冰早期预测模型。该模型采用编码-解码的非监督方法对无标签的数据集预训练，再利用反向传播算法对有标签的数据集进行训练微调，实现了故障特征的自适应提取和状态分类，有效降低了传统预测模型的复杂度，同时避免了人为特征提取对模型效果的影响。利用SCADA系统采集的某15号风机的历史数据进行训练和测试，该模型测试结果准确率为97.28%。与支持向量机（SVM）和主成分分析-支持向量机（PCA-SVM）方法得到的建模分别为91%和93%的准确率进行对比分析，实验结果表明，基于栈式自编码网络的风机叶片结冰预测模型精确度更高。

来源：2019年第5期

《计算机应用》期刊编辑部

查看计算机应用杂志2019年第5期