基于改进卷积神经网络的风电机组叶片覆冰诊断方法研究
打开文本图片集
摘 要：针对风电机组叶片覆冰影响机组运行安全和降低发电量的问题，提出一种基于极端梯度提升算法和麻雀搜索算法优化卷积神经网络的风电机组叶片覆冰诊断方法。首先，利用基于极端梯度提升算法计算实际机组监控和数据采集系统（SCADA）数据的特征权重，筛除冗余特征变量，降低诊断模型的复杂度、减少诊断时间；再利用卷积神经网络模型对筛选后SCADA数据进行特征提取建立叶片覆冰诊断分类模型；最后，利用麻雀搜索算法对诊断模型中的超参数寻优，提高诊断模型的准确率。（剩余12991字）