[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

说明书

本发明公开了基于时间窗口混合模型的风机叶片预测方法及系统，方法包括：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。本发明通过特征压缩提取得到有效的目标特征，去除了多余的特征，能够减少特征识别时间，提高了效率；还通过数据压缩，减少了数据处理的工作量，进一步提高效率；并通过基于时间窗口的混合模型确定结冰预测结果，能够确定结冰的时间块，提高了预测的精确度，可广泛应用于机器学习技术领域。

技术领域

本发明涉及机器学习技术领域，尤其是基于时间窗口混合模型的风机叶片预测方法及系统。

背景技术

风能作为一种可再生清洁能源受到人们关注，大量风力发电厂被建造起来。在严寒地区或寒冷的时候，风力发电机会面临叶片结冰的问题。大量运行经验表明，风机叶片结冰会改变叶片叶形，破坏叶片气动特性，影响包括风机性能以及发电量在内的各种风机运行指标，导致风机效率下降并对电网的稳定运行产生影响，另外风机叶片结冰严重时导致叶片折断也给风电场带来的安全隐患。随着传感技术以及存储技术的发展，风机系统中存储的数据量级已经十分巨大，开始出现使用机器学习预测叶片结冰的手段，通过对结冰过程的演化规律进行分析，提取结冰演化过程中的统计特征和时序特征，才能更好的实现早期结冰预测。

现有的预测叶片结冰预测方法中，通过训练好的预测模型对所有待预测数据进行分析，过大的分析工作量导致效率较低；另外，现有的预测方法只能发出结冰预警，无法预测得到结冰时间，不够精确。

发明内容

有鉴于此，本发明实施例提供一种效率高且精度高的，基于时间窗口混合模型的风机叶片预测方法及系统。

一方面，本发明实施例提供了一种基于时间窗口混合模型的风机叶片预测方法，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。

进一步，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。

进一步，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。

进一步，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；