研究概述

本文是一篇综述文章，由Yu Sirui、Song Mengjie、Gao Runmiao、Bae Jiwoong、Zhang Xuan及Zhou Shiqiang等学者联合撰写，分别隶属北京理工大学机械工程学院与Hanyang University机械工程学院。文章发表于期刊《Applied Thermal Engineering》，在线发布时间为2024年1月11日。文章的标题为“A review of icing prediction techniques for four typical surfaces in low-temperature natural environments”，聚焦于低温自然环境下四类典型表面的结冰预测技术，系统总结了现有研究进展，并探讨了不同技术方法的优缺点及发展方向。

主题：低温自然环境下四类典型表面的结冰预测技术

背景与研究目标

结冰现象在自然界及工业领域中非常常见，易对工业生产和日常生活产生显著的负面影响，包括交通事故、电力中断及航空安全威胁等。因此，有效的结冰预测技术不仅能够减少结冰引发的危害，还能实现早期预警和防控，从而提高效率、节约资源并保护人员安全。研究的四种典型表面分别为：道路表面(Wind turbine blade surface)、风力涡轮叶片表面、输电线路表面及航空器表面。这些静态和动态表面的操作环境和结冰机制各异，因此对其结冰预测提出了不同的技术挑战。

文章主要观点

1. 道路表面的结冰预测技术

道路表面结冰会显著降低摩擦系数，进而引发交通事故，并对运输效率和经济活动产生负面影响。文章根据以下三种主要方法总结了道路结冰的预测技术。

• 统计分析法
  统计分析法依赖历史气候数据及道路结冰观测数据，建立数学模型对未来的结冰进行预测。例如，Berrocal等提出了一种基于温度和降水的概率预测模型，其预测准确率可达80%以上。然而由于此法依赖于历史数据，其精度和可靠性受数据质量制约。

• 理论分析法
  基于热传导和相变理论，Yang等开发了沥青路面结冰预测模型，并通过有限元分析及实验验证，预测温度误差小于10%。此外，Hong等结合系统动力学和深度神经网络模型对道路结冰位置及时间进行了预测，最高预测准确率可达94.5%。

• 数据挖掘法
  随着人工智能技术的发展，机器学习算法如支持向量机(SVM)、回归模型(SVR)和神经网络逐渐被应用于道路结冰预测。Shangguan等利用混合改良SVR方法，将冰层时间的预测精度提升至93.18%。

结论：道路表面结冰预测技术虽然多样，但由于结冰影响因素复杂且多变，其预测准确率提升仍面临重大挑战。

2. 风力涡轮叶片表面的结冰预测技术

风力涡轮叶片结冰会降低其动力性能和稳定性，是风能利用的重大障碍。文章总结了以下两种方法：

• 基于模型驱动的方法
  Yirtici等利用扩展的Messinger模型对叶片结冰的形态及功率损失进行了预测，误差范围为3%-25%。Strauss等将Makkonen模型与高分辨率天气预报结合，成功预测风电场叶片的结冰情况。

• 基于数据驱动的方法
  随着风电场SCADA系统数据的积累，机器学习在叶片结冰预测中大放异彩。例如，Kreutz等提出了双输入卷积神经网络模型BikIce，其平均预测准确率达到97.9%。Li等采用基于ReliefF特征选择和堆叠双向GRU神经网络的方法，最终预测准确率达94.58%。

结论：相比模型驱动方法，数据驱动方法结合了机器学习的高效性和准确性，可适应复杂多变的气象环境，预测效果更加优异。

3. 输电线路表面的结冰预测技术

输电线路表面的结冰会导致线路跳闸及设备损毁，影响电力系统安全。文章将预测方法分为以下两类：

• 基于模型驱动的方法
  经典模型如Lenhard模型和Makkonen模型通过热力学方程预测结冰量，但需要较为精确的环境参数输入。

• 基于数据驱动的方法
  机器学习结合监测数据进一步提升了预测准确率。Chen等提出基于支持向量回归的动态预测模型，与实际数据一致性较高。He等采用卷积神经网络模型，预测输电线路结冰厚度的准确率超过97.23%。此外，Sun等提出含极限学习机(ELM)的组合模型，使预测误差下降至2.46%。

结论：数据驱动方法因其在非线性及高维问题上的表现优越，逐渐成为研究热点，并推动了输电线路结冰预警技术的发展。

4. 航空表面的结冰预测技术

航空表面的结冰对飞行安全威胁极大，尤其对机翼、叶片及发动机结冰的研究尤为重要。

• 机翼与旋翼面
  对于机翼表面，Shad等采用欧拉模型模拟结冰形状与生长速率；Dai等利用相场模型和紧耦方法预测结冰厚度，平均偏差在10%以内。此外，复杂非线性组合下的神经网络模型也被引入，Strijhak等将神经网络与数值模拟结合，解决了复杂条件下的结冰预测问题。

• 发动机表面
  发动机的结冰预测因融水及气流结构复杂，通常以计算流体动力学(CFD)模型为主。Yang等针对涡轮发动机的结冰问题，提出了一种结合热力学的三维预测模型，验算结果与实验一致。Alexander等开发了扩展Messinger模型-晶体版(EMM-C)，进一步拓宽了预测范围。

结论：航空表面的结冰预测因复杂多变的环境对模型精细度的要求较高，需要深入研究动力学与热传递的内在耦合机制。

文章意义

本文对四类表面的结冰预测技术进行了系统化的综述，明确了各技术方法的研究现状、技术特点与未来发展方向。文章对科研工作者提供了全面的冰情预测参考，尤其在机器学习及数据挖掘导向的预测框架中，提供了极具启发性的研究思路和工具支持，具有重要的科学和应用价值。