一种基于主成因制造技术

本发明专利技术提供了一种基于主成因

【技术实现步骤摘要】
一种基于主成因
‑
SVR的净空值预测方法


[0001]本专利技术涉及风电机组净空值预测
，尤其涉及一种基于主成因
‑
SVR
的净空值预测方法
。

技术介绍

[0002]随着风机叶片变长变柔，对于叶片与塔架之间的净空距离的监测十分必要，如果不对净空进行监控，严重时容易导致机组扫塔
、
倒塔等严重事故问题
。
目前的叶片净空测量都是基于视频
、
激光及毫米波的传感器的，需要新加设备，并且这些传感器虽然都可对净空进行测量，但是因为传感器很容易受到外界环境
、
自身可靠性问题等影响，容易发生测量结果失真的情况，失真的净空值会导致机组误控制，造成机组发电量的损失
。
在目前风电整机成本压力大的环境下，如何在小成本的基础上测量准确的净空值十分有必要
。

技术实现思路

[0003]为了解决现有技术的不足，本专利技术提供了一种基于主成因
‑
SVR
的净空值预测方法，通过...

【技术保护点】

【技术特征摘要】
1.
一种基于主成因
‑
SVR
的净空值预测方法，其特征在于包括以下步骤：
S1、
筛选出与净空值相关的多维度数据作为原始样本数据；
S2、
利用
PCA
主成因分析法对原始样本数据进行处理，对高维度的原始样本数据进行降维，得到降维样本数据；
S3、
将降维样本数据和所对应的实际净空值作为训练样本集进行
SVM
训练，得到训练好的净空值预测模型；
S4、
将实施采集的多维度数据输入训练好的净空值预测模型，得到预测净空值
。2.
根据权利要求1所述的基于主成因
‑
SVR
的净空值预测方法，其特征在于：步骤
S1
所述的与净空值相关的多维度数据包括机组属性参数
、
环境参数和机组状态参数
。3.
根据权利要求2所述的基于主成因
‑
SVR
的净空值预测方法，其特征在于：机组属性参数包括塔架高度和叶片长度，环境参数包括风速
、
风向
、
风剪切和风湍流度，机组状态参数包括功率和转速
。4.
根据权利要求1所述的基于主成因
‑
SVR
的净空值预测方法，其特征在于：步骤
S2
具体包括以下过程：
S2.1、
设原始样本数据包括
n
组样本，每组样本包括
m
个特征，则构成
n
×
m
的样本矩阵对原始样本数据进行标准化处理，得到标准化矩阵
S2.2、
获取样本矩阵的协方差矩阵其中
S2.3、
对协方差矩阵
R
进行特征值分解，找到其特征值和特征向量，根据特征值的大小对特征向量进行排序，特征值为
[
λ1,
λ2,
…
,
λ
m
]
，
λ1≥
λ2≥
…
≥
λ
m
≥0
，特征值对应的特征向量为
S2.4、
通过以下公式计算各主成分对应的累计贡献率：择累计贡献率超过
80
％的特征值所对应的主成分；设累计贡献率超过
80
％的特征值所对应的特征向量为
d
个，各主成因形成降维样本数据，其中第
i
个主成因表示为
F
i
＝
a
1i
X1+a
2i
X2+
…
+a
mi
X(i
＝
1,2,
…
...

【专利技术属性】
技术研发人员：张华，晋高建，余阳，李俊男，乔旭，
申请(专利权)人：国能投河南清洁能源有限责任公司，
类型：发明
国别省市：