[发明专利]一种基于不平衡数据集情况下的风机叶片结冰预测方法

摘要

本发明公开了一种基于不平衡数据集情况的下风机叶片结冰预测方法，该方法使得不平衡数据集中数据样本的分布达到平衡，并结合随机森林算法(RF)对风机叶片结冰事件进行预测。该算法首先将原始少数类样本进行BIRCH层次聚类操作，并在每个聚类区根据样本点的密集度划分不同的浓度区。浓度越低的区域所要合成样本越多，与之相反的是浓度越高的区需要合成的样本越少。为了遵循少数类样本的原始分布情况，在每个聚类簇内的不同浓度区中分别合成新样本。其次BIRCH‑SMOTE算法改进了线性插值操作，在插值过程中加大了随机性，有效的避免了合成样本的重叠冗余问题。最后利用平衡化后的数据集对随机森林模型进行训练，并得到风机叶片结冰预测结果。

主权项

1.一种基于不平衡数据集情况的下风机叶片结冰预测方法，其特征在于：包括如下步骤：步骤1)对风电场的历史气象数据、风机运行状态数据进行搜集整理，最终将整理好的数据存储在数据库中，方便预测时使用；其中的风电场的历史气象数据以及风机运行状态数据和预测目标可以构成一个风机历史数据训练向量；步骤2)对搜集整理到的风机历史数据训练向量组成的风机历史数据样本进行“极差法”归一化处理，使得处理后的数据更加适合学习模型训练；其中归一化计算公式为：式中，X表示风机历史数据样本，；X_min表示风机历史数据样本中的最小值；X_max表示风机历史数据样本中的最大值；X_new为处理后的风机历史数据样本；步骤3)根据风机历史数据样本中少数类样本的数据分布状况与不同聚类数目情况下Calinski‑Harabasz Index评分系数大小，所述少数类样本为风机历史数据样本中风机结冰时所对应的数据样本；首先假定了集合中可能的BIRCH聚类数目，后经过Calinski‑Harabasz Index评分系数确定后，获得选择评分系数最高聚类簇数目z；步骤4)将经过“极差法”归一化处理后的数据样本X_new中的少数类样本，使用BIRCH聚类算法聚为z个聚类簇后，再将聚类结果存储在数据集D＝{cluster_1,cluster_2,cluster_3,cluster_4,cluster_5,....，cluster_z}中；步骤5)根据密集度公式，计算集合D里各聚类簇中少数类样本点的密集度值；对于样本点密集度公式可以做如下的定义：样本密集度值指某个少数类样本X_origin与周围K个最近邻同类样本的距离之和Density(X_origin)，即公式可描述为：其中d_i表示两个样本点之间的欧氏距离，i表示样本X_origin周围k个最近邻同类样本中的某一个；步骤6)将所有聚类簇中少数类样本点，按照少数类样本点密集度大小进行降序排列；根据排序结果将簇内样本点等分为高浓度、中浓度、低浓度三个浓度区；步骤7)在每个聚类簇中的各个浓度区里，为少数类样本点寻找最近邻的K个少数类样本，对于高浓度区再从少数类样本点寻找到的最近邻的K个少数类样本中选取high_num个少数类样本；对于中浓度区再从少数类样本点寻找到的最近邻的K个少数类样本中选取middle_num个少数类样本；对于低浓度区再从少数类样本点寻找到的最近邻的K个少数类样本中选取low_num个少数类样本；步骤8)使用步骤7)中所选取的high_num、low_num、middle_num个少数类样本，根据如下公式合成新样本；依照如下公式进行合成后，高浓度区中的每个少数类样本可产生high_num个新样本点，对应的中浓度区、低浓度区每个少数类样本分别可获得middle_num和low_num个新样本点；其中，X_{new_1}为新生成样本点；X_origin,i为步骤7)从不同浓度区中选取的少数类样本的第i维特征；X_neighbor,i表示X_origin,i在步骤7)从不同浓度区中选取的少数类样本中的某个近邻样本点的第i维特征；rand(0,1)表示0到1之间的某一个随机数；步骤9)对少数类样本进行插值操作后可能会引入噪声样本点，所以需要对合成后的数据集去噪；通过识别新生成少数类样本的相邻样本点的属性，判断该新生成样本点是否为噪音；扫描所有的新生成少数类样本点并将噪声点删除；将去噪后所剩余的新合成样本点与步骤2)中经过处理的风机历史数据样本X_new合并，将合并结果存入“最终合成样本集”中；步骤10)使用随机森林模型对“最终合成样本集”中数据进行训练，得到风机结冰预测模型；将2号风机的运行数据作为测试数据，用以检验本发明所提的基于不平衡数据集情况下的风力发电机叶片结冰预测方法的有效性；在本实施例中采用AUC作为风机叶片结冰预测效果的评估标准；AUC是衡量分类器好坏的一个量化标准，一般在0.5到1之间，越高的AUC值表示分类器的性能越好，如果AUC为0.5就相当于完全随机分类。