基于HMM-SVM旋转风电装备叶片覆冰状态的评估

摘要

风电装备叶片覆冰严重影响风力发电机组的安全与稳定运行。为准确评估覆冰条件下旋转风电装备叶片覆冰状态,本文研究以旋转风电装备叶片覆冰监测数据为基础,建立了基于隐马尔科夫算法(HMM)和支持向量机算法(SVM)的旋转风电装备叶片覆冰状态评估模型;采用时域和频域方法综合分析旋转风电装备叶片覆冰振动信号,选取频率均方根RMS i、时域峰值XP i、速度V、位移S四个特征量为模型的输入,利用HMM算法将收集到的振动信号进行处理,并与风电装备叶片覆冰各状态进行匹配,将各状态观察序列概率优化后通过SVM分类器进行覆冰状态识别分类。实验结果显示:HMM-SVM模型评估风电装备叶片覆冰状态准确率达90.83%,比单独使用HMM模型进行叶片覆冰状态评估的准确度更高。