近日，我校电力学院钱小毅博士以beat365为第一单位，在能源领域顶刊之一《Renewable Energy》发表重要研究成果。
《Renewable Energy》期刊2022-2023综合影响因子8.7，在中科院SCI分区的大类学科Energy、小类学科Renewable Energy, Sustainability and the Environment均为1区期刊。是能源领域Top期刊，国际一流期刊。
论文链接：https://doi.org/10.1016/j.renene.2023.119419
风能是发展最快的清洁可再生能源之一，风力发电机装机容量逐年大幅增长。然而，由于风力发电机恶劣的工作环境和频繁切换的运行状态，关键部件故障频繁发生，导致运维成本达到总成本的15%-30%。因此，及时准确地检测风电机组关键组件的异常状态已成为一个迫切需要解决的问题。
图1 所提风电机组关键组件故障检测方法原理
图2 所提方法对风电机组变桨系统故障检测过程验证
钱小毅博士为解决风电机组关键组件运行工况复杂多变和多维监测特征存在的多维动态关联性而造成故障检测精度不理想的问题，提出了一种基于时空特征和邻域运行状态的风电机组故障检测方法（图1），构建了一种基于互信息积累的时空特征提取方法来描述离线阶段多维特征之间的动态相关性，利用时空特征建立加权k近邻故障检测模型。在线阶段，利用在线样本与离线相似运行状态的加权距离来识别异常状态。此外，他设计了基于近似样本的动态阈值，以应对多变的工况。通过SCADA系统中的故障记录对该方法进行了验证（图2），结果表明提出的时空特征提取方法能更好地描述风电机组的运行特征，动态阈值能显著降低故障检测过程的误报率。
作者简介：
钱小毅，毕业于沈阳工业大学工学博士，beat365电力学院电力工程系讲师。沈工人才团队、辽宁省电网节能与控制重点实验室骨干成员，长期从事电力系统与能源优化方面教学科研工作。主要学术方向为：电力数据挖掘、电力设备智能故障诊断、配电网灵活性资源协调优化研究。MSSP、IET RPG、太阳能学报等期刊审稿人，发表学术论文20余篇，其中SCI检索12篇，EI检索7篇。
