[发明专利]一种风机风速-功率数据组合处理方法

权利要求书

1.一种风机风速-功率数据组合处理方法，其特征在于，包括如下步骤：

步骤1，从SCADA系统等获取数据，其中，所述数据为风机某时间段内相隔相同时间的各时间点的风速-功率数据；

步骤2，使用变点分组法和四分位法对所述数据进行清洗，具体为：

步骤2.1，将所述数据按风速每0.5m/s的间隔划分为多个风速段的风速-功率数据，每个风速段为0-0.5m/s；

步骤2.2，对划分后的每个风速段风速-功率数据，将数据按功率数据值降序排列，从排列后的每个风速段数据的第2个功率数据开始依次计算各功率数据与之前所有功率数据的方差；

步骤2.3，从各风速段的降序功率方差数据的第二个方差数据开始依次计算各方差数据与前一个方差数据之差的绝对值，即得到降序功率的方差变化率数据；

步骤2.4，利用最小二乘法识别各风速段降序功率的方差变化率的变点，将变点之后各时间点的风速-功率数据识别为异常数据并从该风速段剔除；

步骤2.5，利用四分位法计算各风速段经过变点分组法清洗后的功率降序风速-功率数据的四分位距，由四分位距得到功率数据的上下界，将超出功率数据上下界的该风速段各时间点的风速-功率数据识别为异常数据并剔除；

步骤2.6，将各风速段经变点分组法和四分位法清洗后的风速-功率数据汇总，并重新将其按时间顺序排列，得到最终清洗后的部分时间点数据缺失的风机风速-功率数据；

步骤3，使用树木生长算法对时间卷积网络的超参数进行优化，具体为：

步骤3.1，选择时间卷积网络中决定时间卷积网络结构的超参数作为树木生长算法的优化目标，包括卷积核数量filters、卷积核大小kernelsize、空洞卷积即扩张卷积层数dilations和堆叠次数stacks，并确定这些超参数的上下界即优化范围，使用树木生长算法对其进行优化时得到的非整数优化值需归算为最接近的整数值；

步骤3.2，确定树木生长算法的控制参数，包括种群树木总数N、最佳适应度子种群树木数N1、次佳适应度子种群树木数N2、树木繁殖数N4、算法最大迭代次数MaxIter、N2子种群树木向最优方向移动系数λ、N1子种群树木繁殖率系数θ；

步骤3.3，在时间卷积网络各超参数的上下界范围内随机生成N个树木T_i＝{filters_i,kernelsize_i,dilations_i,stacks_i}(i＝1,2,...,N)；

步骤3.4，将N中的非整数值归算为最接近的整数，按N中每棵树对应的时间卷积网络的超参数生成对应结构的时间卷积网络，对每个时间卷积网络分别训练50个epoch，得到各树木对应的时间卷积网络50次epoch的每次损失函数值；

步骤3.5，根据各树木对应的时间卷积网络50次epoch的损失函数平均值计算第i棵树木的适应度x_i，根据各树木的适应度把总种群N划分为最佳适应度子种群N1、次佳适应度子种群N2和较差适应度子种群N3＝N-N1-N2，对N中所有树木对应的时间卷积网络超参数值按各参数值的上下界做标准化处理得到用于树木生长算法迭代的总种群N；分别让子种群N1中的树木进行局部搜索生成新的N1，让子种群N2中的树木向周围移动形成新的N2，删除N3子种群中的树木用在时间卷积网络各超参数上下界范围内随机生成的相同数量的树木替代形成新的N3，得到新的总种群N＝N1+N2+N3；

步骤3.6，在时间卷积网络各超参数上下界范围内随机生成繁殖种群N4，利用N1子种群中有最佳适应度的树木和随机生成的掩模算子对N4中每个新生成的树木进行修改形成新的N4，对子种群N4按步骤3.5中相同的标准化标准对其进行标准化处理并将其添加到总种群N中得到扩展种群N^*＝N+N4；

步骤3.7，使用轮盘赌对扩展种群N*进行排序，选择最优的N个解，将其逆标准化处理后作为树木生长算法下一次迭代的初始种群N；

步骤3.8，重复步骤3.4到3.7直到达到树木生长算法的最大迭代次数MaxIter，将迭代最终得到的拥有最佳适应度的树木中时间卷积网络的超参数值确定为对步骤2得到的清洗后的部分时间点数据缺失的风机风速-功率数据进行重构的时间卷积网络的超参数值，即确定了时间卷积网络的结构；

步骤4，按步骤3确定的时间卷积网络结构生成时间卷积网络并把步骤2中得到的清洗后的部分时间点数据缺失的风机风速-功率数据作为输入对其进行训练，训练完成后利用训练好的时间卷积网络完成对部分时间点数据缺失的风机风速-功率数据的重构，得到重构后的无数据缺失的时间点的风机风速-功率数据。