[发明专利]风机输出功率预测方法和系统

说明书

本发明公开了一种风机输出功率预测方法，包括以下步骤：首先基于最大信息系数和多元多项式回归，建立多元多项式回归模型；然后，确定测试集，利用多元多项式回归模型在测试集上对风机输出功率进行预测。此外，还提供了一种风机输出功率预测系统。上述方法和系统在建立多元多项式回归模型的过程中使用最大信息系数来选择影响风机输出功率的重要变量，全面的考虑了多个重要变量，解决了依靠人力分析风机输出功率的影响因素，导致的分析不够全面的问题，进一步，通过多项式的方法来建模多变量与风机输出功率的关系，从而使得对风机输出功率的预测具有较高的准确率和较低的模型复杂度。

技术领域

本发明涉及电力领域，特别是涉及一种风机输出功率预测方法和系统。

背景技术

新能源中风能的利用对经济发展有很大的促进作用，因此，准确地预测风力发电机的输出功率具有重要的意义。传统的风电功率预测方法是使用制造商提供的风机功率曲线(WTPC)模型。但该模型只显示风机输出功率与风速的关系，没有考虑风向、转子速度和桨距角等因素的影响，具有一定的局限性。此外，在预测风机输出功率的过程中，需要采用多变量回归模型，但影响风机输出功率的因素在不同的风电场环境中是不同的，如何针对于不同的影响因素下风机运行特性确定多变量回归模型的输入特征，也是一个亟待解决的问题。

针对上述相关技术问题，目前尚未提出有效地解决方案。

发明内容

基于此，有必要针对如何考虑不同影响因素预测风机输出功率的问题，提供一种风机输出功率预测方法和系统，该方法和系统考虑了多个重要变量、预测模型效率高以及预测结果也有较高的准确率。

一种风机输出功率预测方法，包括以下步骤：

基于最大信息系数和多元多项式回归，建立多元多项式回归模型；

确定测试集，利用多元多项式回归模型在测试集上对风机输出功率进行预测。

在其中一个实施例中，所述基于最大信息系数和多元多项式回归，建立多元多项式回归模型包括以下步骤：

获取第一数据集，从第一数据集中去除异常数据，得到第二数据集；

在第二数据集上，利用最大信息系数方法进行特征选择，得到第三数据集；

在第三数据集上训练多元多项式回归模型。

在其中一个实施例中，所述获取第一数据集，从第一数据集中去除异常数据，得到第二数据集包括以下步骤：

在第一数据集中基于风速和风机输出功率的特征进行采样，构建孤立树；

基于给定样本数和调和数，计算孤立树的平均路径；

基于孤立树的平均路径和样本点在一批孤立树中的路径长度的期望，计算样本点的异常分数；

去掉第一数据集中异常分数处于预设异常分数范围内的异常数据，得到第二数据集。

在其中一个实施例中，所述在第二数据集上，利用最大信息系数方法进行特征选择，得到第三数据集包括以下步骤：

基于每个变量与风机输出功率的互信息和限制条件，在第二数据集上计算每个变量和风机输出功率的最大信息系数；

将计算出的最大信息系数与预设阈值进行比较，将最大信息系数大于预设阈值的变量组成第三数据集。

在其中一个实施例中，所述在第三数据集上训练多元多项式回归模型包括以下步骤：

基于多项式阶数和第三数据集中的特征，将风机输出功率的预测量表示为多个自变量的线性函数；

基于风机输出功率的预测量和风机输出功率的真实值，确定多元多项式回归模型的目标函数；