[发明专利]一种基于云-贝叶斯网络的海上风电场智能宏观选址方法

摘要

本发明提出一种基于云‑贝叶斯网络的海上风电场智能宏观选址方法，属于海洋工程技术领域。该方法包括步骤：获取海洋环境要素信息，利用云模型和自适应高斯云变换算法(AGCT)得到选址评估指标等级标准，基于此对要素数据进行离散化处理，将定量数据转换为定性等级；基于海上风电场选址指标构建贝叶斯网络(BN)，通过网络结构搭建、节点参数学习和推理计算实现多源环境信息的融合，从而对海上风电场选址条件进行智能评估。本发明基于云模型和贝叶斯网络等人工智能算法构建了海上风电场宏观选址技术，能够为风电场建设工程制定合理的选址方案，为有关部门提供辅助决策支持，具有广泛的应用市场前景、良好的社会效益和经济价值。

主权项

1.一种基于云-贝叶斯网络的海上风电场智能宏观选址方法，其特征在于，包括步骤：/n(1)选取海上风电场选址指标，收集海上不同位置坐标上与各个选址指标相应的海洋环境信息作为指标数据；/n(2)将选址指标作为贝叶斯网络的观测节点，将海上风电场的选址坐标作为目标节点，搭建贝叶斯网络结构；/n(3)若观测节点为离散型变量，则直接将其数据作为该节点的训练样本；若观测节点为连续型变量，则根据观测节点的指标数据，通过自适应高斯云变换算法生成符合认知的多种概念云，并输出相应概念云的数字特征；设计正向云发生器，根据概念云的数字特征对指标数据进行等级划分，获得离散化的指标数据；至此，所有观测节点的指标数据均为离散化数据；/n(4)将步骤(3)得到的所有离散化数据作为观测节点的训练样本，采用EM算法对网络节点参数θ^t进行学习，完成贝叶斯网络的训练；/n(5)获取待选址区域的海洋环境信息，即选址指标数据，对选址指标数据根据步骤(3)进行离散化处理，将离散化后的数据输入训练好的贝叶斯网络，采用联合树推理机制进行网络的概率推理，得到待选址区域中每个位置被选为海上风电场的选址坐标的概率，完成对海上风电场环境条件评估并根据最大概率原则进行选址。/n