基于SCADA图像数据增强的风机叶片结冰检测

摘要

为有效检测风电机组叶片是否结冰，提出一种基于风电场监控与数据采集(Supervisory Control and Data Acquisition, SCADA)图像数据增强的风机叶片结冰检测方法.首先，对原始特征进行重构，并综合考虑数据相关性和特征重要性来筛选特征，随后，将SCADA数据转换为二维图像形式，以适配二维神经网络模型的输入需求.在此基础上，采用经过优化的CycleGAN算法生成更具适应性的图像数据，旨在解决数据类别不平衡的问题，同时提高模型的泛化能力.选取WT15数据作为训练集，WT21数据作为测试集.实验结果表明：与采用XGBoost模型进行特征选择相比，本文所提出的特征选择方法使得模型的准确率、F1分数分别提升4.69和2.64个百分点，与原始CycleGAN模型相比，则分别提升6.78和6.91个百分点.本文提出的方法在提高模型准确率和泛化能力方面具有显著优势.

关键词

叶片结冰 / 异常检测 / 数据图形化 / XGBoost / CycleGAN