[发明专利]一种基于数据建模的风电叶片结冰推测方法

权利要求书

1.一种基于数据建模的风电叶片结冰推测方法，其特征是：包括以下步骤：

S1：收集数据：收集多台风力发电机组的实时运行参数及风电叶片结冰信息；

S2：数据预处理；

S3：结冰状态标注：根据各个时段内各个发电机组风电叶片的结冰信息标注结冰状态标签；

S4：训练集和验证集划分：在每台风力发电机组收集的数据中选取一个时间段内数据作为的样本，将多个样本划分为训练集和验证集；

S5：构建特征：根据每台风力发电机的实时运行参数获得功率残差特征、温度差值特征和加速度矢量合成特征；

S6：建立预测未来结冰模型：给训练集内各组数据标注未来结冰标签，以步骤S5中三个特征为输入，未来结冰标签为输出建立预测未来结冰模型并模型训练；

S7：建立推测当下结冰模型：以步骤S5中三个特征及预测未来结冰模型的输出为输入，当下结冰标签为输出建立推测当下结冰模型并模型训练；

S8：模型验证：采用验证集对持久化推测模型进行验证并采用机器学习性能指标评价模型。

2.根据权利要求1所述的一种基于数据建模的风电叶片结冰推测方法，其特征是：所述的实时运行参数包括机组运行状态、风速、功率、机舱温度、环境温度、机舱前后和左右加速度信息。

3.根据权利要求2所述的一种基于数据建模的风电叶片结冰推测方法，其特征是：所述的步骤S2中的数据预处理包括以下步骤：

S01：根据风力发电机组的机组运行状态筛选出处于正常发电状态的风力发电机组；

S02：判断筛选出的风力发电机组的数据在各个时刻的值域范围；

S03：剔除离群数据；

S04：根据时间轴线性插补剔除的数据。

4.根据权利要求1所述的一种基于数据建模的风电叶片结冰推测方法，其特征是：所述的步骤S4中获取每个样本时选取的时间段不同。

5.根据权利要求2所述的一种基于数据建模的风电叶片结冰推测方法，其特征是：所述步骤S5中功率残差特征通过以下步骤获得：

S11：提取风力发电机组正常发电状态下的风速和功率；

S12：以bins法绘制功率曲线；

S13：根据每一时刻的风速和对应的功率曲线得出参考功率；

S14：每一时刻的功率减去参考功率获得功率残差特征。

6.根据权利要求2所述的一种基于数据建模的风电叶片结冰推测方法，其特征是：所述步骤S5中温度差值特征为每一时刻机舱温度与环境温度的差值。

7.根据权利要求2所述的一种基于数据建模的风电叶片结冰推测方法，其特征是：所述步骤S5中加速度矢量合成特征为每一时刻机舱的前后加速度和左右加速度的矢量合成。

8.根据权利要求1所述的一种基于数据建模的风电叶片结冰推测方法，其特征是：所述步骤S6中未来结冰标签通过以下步骤获得：

S21：针对每一时刻，等时间间隔多次查询每一台训练集内风力发电机组在相对于该时刻的未来一段时间内的结冰状态；

S22：根据公式P＝n/N得到未来结冰占比P，n为查询到的结冰次数，N为查询次数；

S23：根据P的值标注未来结冰标记，若P>0.5，则标记该台风力发电机组在查询的这段时间内结冰；若P≤0.5，则标记该台风力发电机组在查询的这段时间内不结冰。

9.根据权利要求1所述的一种基于数据建模的风电叶片结冰推测方法，其特征是：所述的模型训练采用逻辑回归、随机森林、梯度提升决策树和最近邻中的一种机器学习算法进行二分类有监督学习训练。

10.根据权利要求1所述的一种基于数据建模的风电叶片结冰推测方法，其特征是：所述S8中机器学习性能指标包括精确率、召回率、F1、ROC和AUC。