背景

       叶片结冰是风电领域的一个全球范围难题。低温环境所导致的叶片结冰、材料及结构性能改变、载荷改变的问题等，对风机的发电性能和安全运行造成较大的威胁。叶片结冰故障的监

测手段主要是比较风机实际功率与理论功率之间的偏差，当偏差达到一定值后会触发风机的报警和停机。

       实际应用中面临的挑战是很难对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。

建设内容

1、确定风机结冰预测大数据整体规划，明确解决方案的总体架构设计；

2、研究风机结冰的物理变化规律，根据主要因素相互作用的机理，挖掘因素之间的平衡关系，构建有效的工业机理模型。

3、根据已构建机理模型，明确需采集数据的类型，选择适配的传感器，制定采集策略，采集物联设备。

4、基于已构建的机理模型和已采集的数据，采用算法建模工具对数据进行属性转换、数据可视化处理、离群点处理，使用特征分析得出重心数据，将处理好的数据进行模型训练，获得最

优的学习模型。

5、将学得的的模型投入生产，根据生产的实际结果不断调优模型，不断提高模型的准确率。

实施效果

       方案建议选择随机森林进行风机结冰预测，随机森林（random forest）是一种利用多个分类树对数据进行判别与分类的方法，它在对数据进行分类的同时，还可以给出各个变量（基

因）的重要性评分，评估各个变量在分类中所起的作用。