一种时序分析的风力发电机履冰预测方法技术

本发明专利技术涉及风力发电机履冰预测的技术领域，揭露了一种时序分析的风力发电机履冰预测方法，所述方法包括：采集风力发电机履冰指标时序数据，基于风力发电机履冰指标权重进行指标数据赋权；对赋权后的风力发电机履冰指标时序数据进行编码；对所构建的风力发电机履冰时序分析模型进行优化得到最优风力发电机履冰时序分析模型，并利用最优风力发电机履冰时序分析模型得到风力发电机的履冰概率。本发明专利技术根据不同指标的信息熵确定指标的基准指标权重，并根据指标之间的相关性对基准指标权重进行修正，其中能有效检测出履冰状态的指标的权重越大，提高后续履冰概率预测的准确率，并基于不断更新的先验概率，结合指标数据交叉编码结果进行履冰概率计算。果进行履冰概率计算。果进行履冰概率计算。

【技术实现步骤摘要】
一种时序分析的风力发电机履冰预测方法


[0001]本专利技术涉及风力发电机履冰预测的
，尤其涉及一种时序分析的风力发电机履冰预测方法。

技术介绍

[0002]现今，风力发电已成为我国电能生产的主要方式之一，其不仅具有较强的清洁无污染特性，而且还能有效降低生产成本，提高资源、能源利用率。但是有些风能发电地区随着时间推移，其风力发电机会逐渐履冰导致风力发电机产能严重下降，影响风力发电效率和工作安全性。针对该问题，本专利技术提出一种时序分析的风力发电机履冰预测方法，通过采集多维履冰指标数据进行时序分析，预测风力发电机履冰可能性，进行提前防护预警，增强风力发电机工作的可靠性和安全性。

技术实现思路

[0003]有鉴于此，本专利技术提供一种时序分析的风力发电机履冰预测方法，目的在于：1)根据不同指标的信息熵确定指标的基准指标权重，其中指标的基准指标权重越大，则表示利用该指标划分风力发电机未履冰状态以及履冰状态的准确性越高，进而固定基准指标权重最大的指标，计算得到其他指标与所固定指标数据的相关性，对其他指标的基准指标权重进行校准，其中相关性越大，则表示该指标与所固定指标所包含的信息熵越接近，则校准后的基准指标权重越小，并对所采集的风力发电机履冰指标时序数据进行赋权，得到表征不同指标重要性的指标时序数据，其中能有效检测出履冰状态的指标的权重越大，提高后续履冰预测的准确率；2)通过分别对每种指标的时序数据进行编码处理，并结合其他指标的最明显编码处理结果构建卷积矩阵，进行卷积编码操作，实现不同指标之间的交叉编码，结合履冰概率的先验概率分布构建风力发电机履冰时序分析模型，通过对概率分布参数与样本数据的似然函数进行迭代求解，收敛得到概率分布参数，并基于不断更新的先验概率，结合当前指标数据交叉编码结果进行履冰概率计算，实现结合时序数据的风力发电机履冰预测。
[0004]实现上述目的，本专利技术提供的一种时序分析的风力发电机履冰预测方法，包括以下步骤：
[0005]S1：采集风力发电机履冰指标时序数据，并基于风力发电机履冰指标权重进行指标数据赋权，得到赋权后的风力发电机履冰指标时序数据；
[0006]S2：对赋权后的风力发电机履冰指标时序数据进行编码，得到编码后的指标向量数据；
[0007]S3：构建风力发电机履冰时序分析模型，所述模型以指标向量数据为输入，以履冰概率为输出；
[0008]S4：对所构建的风力发电机履冰时序分析模型进行优化得到最优风力发电机履冰时序分析模型，并利用最优风力发电机履冰时序分析模型得到风力发电机的履冰概率。
[0009]作为本专利技术的进一步改进方法：
[0010]可选地，所述S1步骤中采集风力发电机履冰指标时序数据，包括：
[0011]采集风力发电机履冰指标时序数据，其中风力发电机履冰指标包括风力发电机的风叶转速、发电机有功功率、风叶温度、风叶湿度以及风叶图像，所采集风力发电机履冰指标时序数据x为：
[0012]x＝[x1,x2,x3,x4,x5]T
[0013]x
i
＝(x
i
(t1),x
i
(t2),...,x
i
(t
n
),...,x
i
(t
N
)),i∈[1,5][0014]其中：
[0015]x
i
表示第i种风力发电机履冰指标的时序数据，x1表示风叶转速指标，x2表示发电机有功功率指标，x3表示风叶温度指标，x4表示风叶湿度指标，x5表示风叶图像指标；
[0016]x
i
(t
n
)表示t
n
时刻所采集到的第i种风力发电机履冰指标的时序数据，t1表示风力发电机履冰指标时序数据采集的初始时刻，t
N
表示风力发电机履冰指标时序数据采集的截止时刻；相邻数据采集时刻的时间间隔为Δt；
[0017]T表示转置。
[0018]在本专利技术实施例中，利用温湿度传感器采集风力发电机中风叶的温湿度指标数据，利用摄像机采集风力发电机中风叶图像数据，利用转速传感器采集风力发电机中风叶转速指标数据，并实时监控风力发电机的有功功率。
[0019]可选地，所述S1步骤中确定风力发电机履冰指标权重，包括：
[0020]确定不同风力发电机履冰指标的指标权重，其中指标权重的确定流程为：
[0021]S11：采集M个时刻的风力发电机履冰指标时序数据，其中每个时刻的风力发电机履冰指标时序数据包含五种风力发电机履冰指标的时序数据，风力发电机在所采集的M个时刻中处于不同的履冰状态，包括未履冰状态以及履冰状态；
[0022]S12：计算得到M个时刻风力发电机履冰指标时序数据的信息熵H：
[0023][0024]其中：
[0025]M0表示风力发电机处于未履冰状态的时刻数目，M1表示风力发电机处于履冰状态的时刻数目；
[0026]S13：利用Canny边缘检测算法提取二值化后风叶图像的图像边缘，并计算任意图像边缘的余弦相似度，将余弦相似度高于相似阈值的风叶图像标记为同一风叶图像，并进行编码表示，同一风叶图像的编码表示结果相同；
[0027]S14：计算任意第i种风力发电机履冰指标的基准指标权重w
i
：
[0028][0029]其中：
[0030]Ω
i
表示在所采集M个时刻的风力发电机履冰指标时序数据中，第i种风力发电机履冰指标的保留重复数据唯一项的数据集合，num
k
(i)表示对于第i种风力发电机履冰指标，数据k在M个时刻的风力发电机履冰指标时序数据中出现的次数，对于风叶图像指标，数据集合中的数据即为风叶图像的编码表示结果；在本专利技术实施例中，Ω
i
中保留唯一数据以
及重复数据的唯一项，对于风叶图像指标，数据集合中保留风叶图像的编码表示结果；
[0031]S15：选取基准指标权重最高的第i
*
种指标，根据所采集M个时刻的风力发电机履冰指标时序数据，计算其他指标对应数据与第i
*
种指标对应数据的相关性，其中第j种指标对应数据与第i
*
种指标对应数据的相关性为sim(i
*
,j)，j,i
*
∈[1,5]，j≠i
*
；
[0032]S16：更新第j个指标的权重，其中更新公式为：
[0033]w
j
←
(1
‑
sim(i
*
,j))w
j
[0034]S17：对更新后所有指标权重进行归一化处理，得到归一化后各指标的权重，其中第i种指标的归一化权重为
[0035]可选地，所述S1步骤中基于风力发电机履冰指标权重进行指标数据赋权，包括：
[0036]基于风力发电机履冰指标权重进行指标数据赋权，其中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种时序分析的风力发电机履冰预测方法，其特征在于，所述方法包括：S1：采集风力发电机履冰指标时序数据，并基于风力发电机履冰指标权重进行指标数据赋权，得到赋权后的风力发电机履冰指标时序数据；S2：对赋权后的风力发电机履冰指标时序数据进行编码，得到编码后的指标向量数据；S3：构建风力发电机履冰时序分析模型，所述模型以指标向量数据为输入，以履冰概率为输出；S4：对所构建的风力发电机履冰时序分析模型进行优化得到最优风力发电机履冰时序分析模型，并利用最优风力发电机履冰时序分析模型得到风力发电机的履冰概率。2.如权利要求1所述的一种时序分析的风力发电机履冰预测方法，其特征在于，所述S1步骤中采集风力发电机履冰指标时序数据，包括：采集风力发电机履冰指标时序数据，其中风力发电机履冰指标包括风力发电机的风叶转速、发电机有功功率、风叶温度、风叶湿度以及风叶图像，所采集风力发电机履冰指标时序数据x为：x＝[x1,x2,x3,x4,x5]
T
x
i
＝(x
i
(t1),x
i
(t2),...,x
i
(t
n
),...,x
i
(t
N
)),i∈[1,5]其中：x
i
表示第i种风力发电机履冰指标的时序数据，x1表示风叶转速指标，x2表示发电机有功功率指标，x3表示风叶温度指标，x4表示风叶湿度指标，x5表示风叶图像指标；x
i
(t
n
)表示t
n
时刻所采集到的第i种风力发电机履冰指标的时序数据，t1表示风力发电机履冰指标时序数据采集的初始时刻，t
N
表示风力发电机履冰指标时序数据采集的截止时刻；相邻数据采集时刻的时间间隔为Δt；T表示转置。3.如权利要求2所述的一种时序分析的风力发电机履冰预测方法，其特征在于，所述S1步骤中确定风力发电机履冰指标权重，包括：确定不同风力发电机履冰指标的指标权重，其中指标权重的确定流程为：S11：采集M个时刻的风力发电机履冰指标时序数据，其中每个时刻的风力发电机履冰指标时序数据包含五种风力发电机履冰指标的时序数据，风力发电机在所采集的M个时刻中处于不同的履冰状态，包括未履冰状态以及履冰状态；S12：计算得到M个时刻风力发电机履冰指标时序数据的信息熵H：其中：M0表示风力发电机处于未履冰状态的时刻数目，M1表示风力发电机处于履冰状态的时刻数目；S13：利用Canny边缘检测算法提取二值化后风叶图像的图像边缘，并计算任意图像边缘的余弦相似度，将余弦相似度高于相似阈值的风叶图像标记为同一风叶图像，并进行编码表示，同一风叶图像的编码表示结果相同；S14：计算任意第i种风力发电机履冰指标的基准指标权重w
i
：
其中：Ω
i
表示在所采集M个时刻的风力发电机履冰指标时序数据中，第i种风力发电机履冰指标的保留重复数据唯一项的数据集合，num
k
(i)表示对于第i种风力发电机履冰指标，数据k在M个时刻的风力发电机履冰指标时序数据中出现的次数，对于风叶图像指标，数据集合中的数据即为风叶图像的编码表示结果；S15：选取基准指标权重最高的第i
*
种指标，根据所采集M个时刻的风力发电机履冰指标时序数据，计算其他指标对应数据与第i
*
种指标对应数据的相关性，其中第j种指标对应数据与第i
*
种指标对应数据的相关性为sim(i
*
,j)，j,i
*
∈[1,5]，j≠i
*
；S16：更新第j个指标的权重，其中更新公式为：w
j
←
(1
‑
sim(i
*
,j))w
j
S17：对更新后所有指标权重进行归一化处理，得到归一化后各指标的权重，其中第i种指标的归一化权重为4.如权利要求3所述的一种时序分析的风力发电机履冰预测方法，其特征在于，所述S1步骤中基于风力发电机履冰指标权重进行指标数据赋权，包括：基于风力发电机履冰指标权重进行指标数据赋权，其中指标数据赋权流程为：对风叶转速指标、发电机有功功率指标、风叶温度指标以及风叶湿度指标的采集数据进行标准化处理，其中标准化处理公式为：其中：表示x
r
(t
n
)的标准化处理结果，r∈[1,4]；对标准化处理后的数据进行赋权，其中赋权公式为：其中：x
′
r
(t
n
)表示的赋权结果；并对风叶图像进行灰度化处理，得到灰度化风叶图像，其中t
n
时刻的灰度化风叶图像并对进行赋权以及二值化处理：其中：C(
·
)表示二值化处理；构成赋权后的风力发电机履冰指标时序数据x
′
：x
′
＝[x
′1,x
′2,x
′3,x
′4,x
′5]
T
x
′
i
＝(x
′
i
(t1),x
′
i
(t2),...,x
′
i
(t
n
),...,x<...

【专利技术属性】
技术研发人员：蔺雪峰，耿杰，文军，谭光道，苗雷，徐超，孟秀俊，蔡春辉，汪德军，胡辉，付荣方，周世银，詹彪，朱玉瑞，孟鹏飞，易彦青，
申请(专利权)人：中国华能集团清洁能源技术研究院有限公司中国华能集团有限公司沈阳盛世新能源科技有限公司，
类型：发明
国别省市：