[发明专利]基于时间窗口混合模型的风机叶片预测方法及系统在审
| 申请号： | 201910260265.8 | 申请日： | 2019-04-02 |
| 公开（公告）号： | CN110147811A | 公开（公告）日： | 2019-08-20 |
| 发明（设计）人： | 王永斌;季文翀;刘廉如;张忠平;丁雷 | 申请（专利权）人： | 宜通世纪物联网研究院(广州)有限公司 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06Q10/04 |
| 代理公司： | 广州嘉权专利商标事务所有限公司 44205 | 代理人： | 谭英强 |
| 地址： | 510630 广东省广州市天河区科韵*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 结冰 混合模型 时间窗口 风机叶片 目标特征 预测结果 数据压缩 特征压缩 预测数据 预测 机器学习技术 主成分分析 滑动窗口 监测数据 特征识别 数据处理 工作量 预警 应用 | ||
1.基于时间窗口混合模型的风机叶片预测方法，其特征在于：包括以下步骤：
采用主成分分析技术对风机叶片监测数据进行特征压缩，得到目标特征；
采用滑动窗口技术对目标特征进行数据压缩，得到预测数据；
根据预测数据，通过基于时间窗口的混合模型确定结冰预测结果，所述结冰预测结果包括结冰预警时间。
2.根据权利要求1所述的基于时间窗口混合模型的风机叶片预测方法，其特征在于：所述采用主成分分析技术对风机叶片监测数据进行特征压缩，得到目标特征这一步骤，包括以下步骤：
通过主成分分析技术对风机叶片监测数据进行主成分分析，得到风机叶片监测数据中各个特征对应的预测结果影响指数；
对各个特征对应的预测结果影响指数进行排序；
根据排序结果，提取若干个特征作为目标特征。
3.根据权利要求1所述的基于时间窗口混合模型的风机叶片预测方法，其特征在于：所述采用滑动窗口技术对目标特征进行数据压缩，得到预测数据这一步骤，包括以下步骤：
根据第一时间窗尺度，对目标特征进行第一数据压缩处理，得到第一数据；
基于预设的第一阈值对第一数据进行第一筛选；
根据第二时间窗尺度，对第一筛选后的数据进行第二数据压缩处理，得到第二数据；
基于预设的第二阈值对第二数据进行第二筛选；
根据第三时间窗尺度，对第二筛选后的数据进行第三数据压缩处理，得到第三数据；
基于预设的第三阈值对第三数据进行第三筛选，得到预测数据。
4.根据权利要求3所述的基于时间窗口混合模型的风机叶片预测方法，其特征在于：所述根据预测数据，通过基于时间窗口的混合模型确定结冰预测结果这一步骤，包括以下步骤：
通过SVM算法和朴素贝叶斯算法计算预测数据的结冰概率；
通过概率加权平均法对结冰概率进行概率加权；
判断概率加权后的结冰概率是否小于预设的结冰阈值，若是，则确定第一结冰预测结果；反之，则确定第二结冰预测结果。
5.根据权利要求3所述的基于时间窗口混合模型的风机叶片预测方法，其特征在于：所述基于预设的第二阈值对第二数据进行第二筛选这一步骤，其具体为：
根据lightGBM算法，删除第二数据中具有结冰迹象的数据。
6.根据权利要求1所述的基于时间窗口混合模型的风机叶片预测方法，其特征在于：还包括混合模型训练步骤。
7.根据权利要求4所述的基于时间窗口混合模型的风机叶片预测方法，其特征在于：所述通过概率加权平均法对结冰概率进行概率加权这一步骤中，所述概率加权的计算公式具体为：
其中，n是混合模型个数；Weighti是第i个混合模型输出结果的权重；Pi是第i个混合模型的输出概率。
8.基于时间窗口混合模型的风机叶片预测系统，其特征在于：包括：
特征压缩模块，用于采用主成分分析技术对风机叶片监测数据进行特征压缩，得到目标特征；
数据压缩模块，用于采用滑动窗口技术对目标特征进行数据压缩，得到预测数据；
预测模块，用于根据预测数据，通过基于时间窗口的混合模型确定结冰预测结果，所述结冰预测结果包括结冰预警时间。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于宜通世纪物联网研究院(广州)有限公司，未经宜通世纪物联网研究院(广州)有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201910260265.8/1.html，转载请声明来源钻瓜专利网。
