问题背景

随着风电规模在中国南方的不断扩大，南方冬天寒冷潮湿的气候导致风机叶片结冰的现象越来越严重。例如我国云贵高原地区每年有 2 个月的冰冻期。叶片积冰严重时会导致叶片断裂，威胁风电场人员安全; 同时叶片覆冰造成机组效率降低，年发电量损失 1% ～ 10% ，恶劣地区甚至达到 20% ～ 50% 。 通过对风机 SCADA 历史冰冻数据的分析建模，能够对未来结冰的早期过程进行精确预测，以便能够尽早开启除冰系统。对结冰过程的预测准确度决定了除冰系统的效率、风机的效率损失和风机运行的风险。

风机叶片冰冻样图

解决方案

风机叶片冰冻预测案例是首先对数据进行预处理，然后通过特征工程构造新特征，接着经过强过滤将风速进行分段处理，再通过特征选择选取建模的特征，最后在两个不同风速段上用 KNN 算法分别进行建模，最终结果用混淆矩阵的方式将预测结果和实际结果进行对比。

建模流程图

总结说明

通过混淆矩阵可以清晰的看出模型预测冰冻结果和实际结果的差异，混淆矩阵的对角线上的数值越大说明模型预测效果越好，非对角线的数值越大说明预测效果越差。在不同风速段上采用默认 KNN 参数的预测模型就可以得到较为理想的结果，如下图所示。因此该训练模型能够较好的在叶片结冰初期进行预测风机冰冻，现场运维人员根据叶片结冰预警能够及时处理，从而尽可能降低安全风险。

小风速段混淆矩阵

大风速段混淆矩阵