【摘要】针对风电机组运行监测数据的不平衡性与时序性，提出一种新的风机叶片结冰故障诊断与状态评估方法。首先，利用自适应过采样方法均衡风机结冰样本数据集的不平衡性；然后，改进堆叠双向长短时记忆网络和门控循环单元检测风机叶片结冰故障，利用焦点损失函数作为损失函数侧重于难分类样本优化模型，并结合改进非洲秃鹫优化算法优化超参数，从而提升检测准确性；最后测度结冰样本与非结冰样本的动态马氏距离，并转换为结冰指数评估叶片结冰状态。真实风场数据验证表明：提出的风机结冰故障检测与状态评估方法，在结冰检测方面，其F1分数、精确率和召回率分别达到0.967 8、0.960 7和0.975 1，优于其他基线模型和优化算法，有效的减少了错报率和误报率。同时，在定量化评估风机叶片不同阶段的结冰状态方面具有优势，可以为风电设备视情维修提供支持。