基于CA-BiTrans的风电机组叶片结冰不平衡无监督检测方法

来源：振动与冲击杂志2026年第4期北京时间：

作者：郁启华，徐振丽xuzhenli6，唐细致，吴爱民，唐贵基

单位：1.广西国能能源发展有限公司，南宁530006；2.华北电力大学河北省电力机械装备健康维护与失效预防重点实验室，河北 保定071003

摘要：风电机组长期运行于低温高湿环境中时，叶片易结冰，严重影响发电效率。针对现有研究多集中于单风机，且样本采集中结冰数据高度不平衡，本文提出基于卷积注意力的双向Transformer无监督域适应模型（Convolutional Attention-bidirectional Transformer，CA-BiTrans），用于跨风机叶片结冰检测。首先，对风机SCADA数据预处理，剔除无效数据，以皮尔逊相关系数筛选与结冰机理密切相关的参量。然后，将数据输入CA-BiTrans模型，从全局与局部角度高效提取跨通道特征。最后，融合类敏感与局部最大均值差异损失，设计域适应策略，通过动态调整权重解决不同风机间的类不平衡与特征偏移问题。工程数据验证表明，所提方法在跨风机结冰诊断中表现优异，最高精度达99.12%，显著优于CNN、DAN、VIT和SDAGN模型，为多风机叶片结冰检测提供了有效方案。<br>

关键词：风电机组；故障检测；叶片结冰；无监督学习；类不平衡