一种风电叶片早期损伤识别方法及系统

本申请提出一种风电叶片早期损伤识别方法及系统，属于风力发电机组状态监测技术领域，其中方法包括：对所述SCADA系统的风速‑功率实时数据进行两次数据清洗；将最后一次清洗后的风速‑功率实时数据与标准风速‑功率曲线进行对比，得到初步风电叶片损伤状态；将实时声发射信号输入风电叶片早期损伤预测模型中，得到风电叶片早期损伤识别的类型以及程度，风电叶片早期损伤预测模型，通过改进的K‑means 算法对疲劳加载试验采集的声发射信号进行分类，构建卷积神经网络。本申请的方法避免了无监督学习算法过于依赖经验设定阈值的问题，解决了数据清洗质量差、算法泛化性不强弊端，提高了SCADA数据的可靠性、准确性与可用性。