基于高斯过程回归的风电机组输出功率的建模方法和系统技术方案

本发明专利技术公开了一种基于高斯过程回归的风电机组输出功率的建模方法，包括以下步骤：首先，确定高斯过程结构；然后，基于输入变量与输出变量的特性关系，构造核函数；最后，基于高斯过程结构和构造出的核函数，建立风电机组输出功率模型。此外，还提供了一种基于高斯过程回归的风电机组输出功率的建模系统。上述基于高斯过程回归的风电机组输出功率的建模方法和系统，改进了高斯过程的模型结构，提高了风电机组输出功率模型的可理解性，且根据输入变量与输出变量之间的特性关系，当输入变量输入时，构造出一种与输入、输出变量特性关系相符的核函数，作为新的协方差函数，使得输入变量对输出变量的贡献更清晰。对输出变量的贡献更清晰。对输出变量的贡献更清晰。

【技术实现步骤摘要】
基于高斯过程回归的风电机组输出功率的建模方法和系统


[0001]本专利技术涉及电力领域，特别是涉及一种基于高斯过程回归的风电机组输出功率的建模方法和系统。

技术介绍

[0002]风电机组发电性能的好坏标志着风电企业经济效益的高低，风电机组的输出功率能够反映机组的发电性能。但风电企业需要通过风电机组输出功率判断风电机组的发电性能是否发生异常，这一问题属于机器学习中的监督学习问题，通常使用机器学习建模，根据训练集来学习输入
‑
输出之间的映射关系，使得给定新的输入得到相应的预测值，属于回归问题。进一步，对于学习输入
‑
输出之间的映射关系首先需要确定映射函数，传统的技术中一般采用两类方法来确定映射函数，第一类是参数化回归，即寻找一组使数据得到“最优”诠释的参数，此类方法引入的问题是致力于最小化损失函数，使模型容易发生过拟合；若为了避免过拟合，则模型过于简单，会忽略复杂特征和噪声，造成预测性能差。第二类方法为极大似然法，它不需要损失函数，首先由假定的噪声分布得到训练集的联合概率密度即似然函数，再找到使似然函数最大化的参本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于高斯过程回归的风电机组输出功率的建模方法，其特征在于，包括以下步骤：确定高斯过程结构；基于输入变量与输出变量的特性关系，构造核函数；基于高斯过程结构和构造出的核函数，建立风电机组输出功率模型。2.根据权利要求1所述的基于高斯过程回归的风电机组输出功率的建模方法，其特征在于，所述确定高斯过程结构包括确定高斯过程中的协方差函数，其中，所述高斯过程中的协方差函数为构造出的核函数的总和。3.根据权利要求1所述的基于高斯过程回归的风电机组输出功率的建模方法，其特征在于，所述基于输入变量与输出变量的特性关系，构造核函数包括以下步骤：将风电机组的风速、转速、桨距角作为输入变量；将风电机组的输出功率作为输出变量；引入平方指数核函数和线性核函数；基于引入的平方指数核函数和线性核函数以及风电机组的风速、转速以及桨距角分别与风电机组的输出功率的关系，分别构造风电机组的风速、转速、桨距角在高斯过程回归中所使用的核函数。4.根据权利要求3所述的基于高斯过程回归的风电机组输出功率的建模方法，其特征在于，风电机组的风速与风电机组的输出功率的关系为三次方关系；风电机组的转速与风电机组的输出功率的关系为正比关系；风电机组的桨距角与风电机组的输出功率的关系为桨距角在0
°
时，输出功率分布范围在0至额定功率之间，桨距角变大，额定功率保持不变。5.根据权利要求4所述的基于高斯过程回归的风电机组输出功率的建模方法，其特征在于，基于引入的平方指数核函数和线性核函数以及风电机组的风速、转速以及桨距角分别与风电机组的输出功率的关系，分别构造风电机组的风速、转速、桨距角在高斯过程回归所使用的核函数，其包括，基于风电机组的风速与输出功率的三次方关系，将风电机组的风速作为输入时的协方差函数构造为线性核函数的三次方；基于风电机组的转速与输出功率的正比关系，...

【专利技术属性】
技术研发人员：王晓彤，牛王强，
申请(专利权)人：上海海事大学，
类型：发明
国别省市：