申请/专利权人：湖南科技大学

申请日：2024-03-18

公开（公告）日：2024-06-18

公开（公告）号：CN117892099B

主分类号：G06F18/20

分类号：G06F18/20;G06N3/047;G06N3/08;G06Q50/06

优先权：

专利状态码：有效-授权

法律状态：2024.06.18#授权;2024.05.03#实质审查的生效;2024.04.16#公开

摘要：本申请公开了一种基于概率神经网络的风电机组服役效能评估方法和系统，应用于数据处理和数据预测领域。包括：选取SCADA系统中测得的风速、转速、叶片角度和功率数据，将SCADA数据按运行特性曲线和实际运行调控将风电机组划分为若干工况，并使用时序工况划分算法TICC算法将风电机组历史SCADA运行数据划分为若干工况训练数据集，使用基于威布尔分布的概率神经网络模型对各工况训练数据集进行拟合，之后将实际数据先进行时序工况划分，之后将拟合后的模型用于实际数据进行预测，将预测值与真实值相比进行评估得到风电机组短期效能状态值。本申请具有精度高、计算快的特点且泛化性好，可广泛用于不同风电机组的服役效能评估。

主权项：1.基于概率神经网络的风电机组服役效能评估方法，其特征在于，所述方法包括：按照预设规则对风电机组的运行工况进行划分，得到N种不同的工况类别；其中，N为大于1的整数；将训练数据集和工况类别数N输入到工况识别算法模型中进行训练，得到时序工况划分模型；其中，所述训练数据集是根据SCADA系统中的工况数据构建的，所述工况数据包括风速数据、轮毂转速数据、桨距角数据和功率数据；其中，所述工况识别算法模型为TICC算法模型，TICC算法模型包括三个输入：数据集、聚类数和窗口数；其中，数据集为训练数据集，聚类数根据工况划分结果进行确定，窗口数采用网格划分法进行多次测试计算寻找最优值；对所述TICC算法模型进行训练，得到在最优参数下TICC模型的托普利兹逆协方差矩阵、原始均值和堆叠均值以及最优窗口数和聚类数，作为在线分割的输入参数;其中，所述TICC算法模型的目标函数为： ，其中，是来自聚类i的对数似然值，，T是nw×nw的对称分块托普利兹矩阵的集合；是哈达玛乘积的范数惩罚，其用来激励稀疏逆协方差，是正则化参数；是聚类结果，为形式的列向量；是加强时间一致性的参数，是检查相邻点是否被分配给同一聚类的指示函数；是第i类的经验平均值，通过原始均值和堆叠均值得到;通过如下公式计算每一类堆叠数据集的原始均值： ；w为窗口数，n为原始数据集变量个数，a为每一类数据矩阵的行数，对堆叠数据集的第列至列求均值；通过如下公式计算每一类堆叠数据集的堆叠均值： ；w为窗口数，n为原始数据集变量个数，a为每一类数据矩阵的行数，对第列至第列的每一列数据求均值使用所述时序工况划分模型对所述训练数据集进行工况划分，并将各个工况的数据相拼接得到N个工况数据集；将各个工况数据集中的特征参数数据集和目标参数数据集分别输入到概率预测模型中按照预设规则进行训练，得到N个不同工况下的功率概率预测模型，具体包括：获取训练时间步长信息和预测时间步长信息；对所述训练时间步长信息、预测时间步长信息、各层超参数信息采用网格划分法进行寻优；其中，风速、轮毂转速、桨距角参数作为特征参数，功率参数为目标参数；将当前一段时间内的测试数据输入到所述时序工况划分模型中进行工况划分，然后将各个工况的测试数据输入到各个不同工况下的功率概率预测模型进行功率预测，得到不同工况下的功率概率预测区间；所述功率概率预测模型为基于自注意力机制的概率预测神经网络模型SA-PINN，该模型总计五层，包括输入层、自注意力层、LSTM层、概率层和输出层；利用神经网络对以下公式表示的概率分布函数的特征参数进行拟合， ；其中，是比例参数；是形状参数，两者均大于0，对分布函数的特征参数进行拟合后，将对应x下拟合后的分布函数计算值与实际y值的差距作为神经网络的损失函数；在输出层，需要将拟合的分布函数转化为拟合概率分布的特征参数，具体地，威布尔分布的均值和方差计算公式如下： ； ； ；获取该段时间内的实际功率值并将功率值转化为发电量值，得到该段时间内对应的发电量概率预测区间和实际发电量值；将该段时间内的实际发电量与预测发电量进行比较，得到该段时间内风电机组的服役效能评估值；其中，所述将该段时间内的实际发电量与预测发电量进行比较，得到该段时间内风电机组的服役效能评估值包括：利用如下效能计算方式对该段时间内的实际发电量与预测发电量进行比较，得到该段时间内风电机组的服役效能评估值EFF： ；其中，为预测发电量的均值，为实际发电量，为预测发电量上边界，为预测发电量下边界；将实际值转化为实际发电量值与95%置信度下发电量预测区间的上下边界相比，得到95%置信度下服役效能值，并以此作为该时间内风电机组的服役效能评估值。

全文数据：

权利要求：

百度查询： 湖南科技大学 基于概率神经网络的风电机组服役效能评估方法和系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD