تم تقديم ملخص يشير إلى تلخيص للأخطاء النموذجية لمحطات توليد الطاقة الرياح، وتم اختيار بيانات الأخطاء وبيانات عدم الأخطاء لأنظمة التحول وأنظمة المولدات وأنظمة الريش وأنظمة الطاقة المساعدة لمحطة توليد طاقة الرياح في موقع معين تظهر تكرار الأخطاء أكثر، مما جعلها تستحق الدراسة. تمت دراسة تشخيص الأخطاء باستخدام معلومات الطاقة القصوى (ELM)، وغالبية دعم قيمة تربيعية صغرى (SVM)، ومعلومات الطاقة الحدية النواة (KELM)، وخوارزمية تحسين القطيع (WOA) لتطوير نموذج تشخيص الأخطاء. في الوقت نفسه تم استخدام نسب لابلاس لتصنيف واختيار المتغيرات المميزة للنموذج. حققت خوارزمية WOA-KELM أداءً تشخيصيًا أفضل بتحسين قيمة معلمة KELM ومعلمة النواة γ. البحث أظهر أن دقة تشخيص الأخطاء لأربعة أنواع من الأخطاء عند دراسة عينات مختلفة تبلغ 100 ٪. بعد اختيار خوارزمية WOA-KELM للمتغيرات المميزة باستخدام نسب لابلاس، ارتفعت متوسط دقة تشخيص العينات من 88.0٪ إلى 93.2٪. حققت خوارزمية WOA-KELM أعلى دقة تشخيصية تصل إلى 96.0 ٪ بعد اختيار المتغيرات المميزة في نطاق 250 إلى 500 عينة. هذا يؤكد أن النموذج يمكن أن يحقق تشخيص فعال لأخطاء محطات توليد طاقة الرياح ويمكن أن يوفر إرشادات ومرجع لأفراد تشغيل الموقع.

محطة توليد الطاقة الرياح؛ تشخيص الأخطاء؛ خوارزمية WOA-KELM؛ نسب لابلاس