基于HO-CNN-BiLSTM-Transformer模型的风机叶片结冰故障诊断

韩华彬; 高丙朋; 蔡鑫; 孙凯

doi:10.16088/j.issn.1001-6600.2024101701

广西师范大学学报（自然科学版） ›› 2025, Vol. 43 ›› Issue (06) : 13 -28. DOI: 10.16088/j.issn.1001-6600.2024101701

基于HO-CNN-BiLSTM-Transformer模型的风机叶片结冰故障诊断

韩华彬, 高丙朋, 蔡鑫, 孙凯

作者信息 +

Author information +

文章历史 +

PDF

摘要

针对风力发电机叶片运行监测数据在时序性分析与数据不平衡性研究方面的不足，本文提出一种基于特征工程和HO-CNN-BiLSTM-Transformer（Hippopotamus optimization-CNN-BiLSTM-Transformer）的风机叶片结冰故障检测方法。首先通过借助叶片结冰的机理模型进行特征工程，构建叶片结冰的机理变量；其次，构建CNN-BiLSTM-Transformer检测模型，挖掘监控与数据采集系统（supervisory control and data acquisition, SCADA）数据之间的时序信息，最后利用Hippopotamus optimization（HO）算法优化模型的超参数，提高模型的诊断性能和泛化性。实验结果表明，该检测方法的精确率、召回率、F₁分数分别达到0.983 8、0.990 2、0.987 0,优于其他对比模型和优化算法，可以为风电场运营提供优化维护策略的信息，确保风机在寒冷条件下安全高效运行。