模型训练方法、风机覆冰停机预测方法、装置及存储介质制造方法及图纸

本申请公开了一种模型训练方法、风机覆冰停机预测方法、装置及存储介质，涉及人工智能技术领域。模型训练方法包括：获取每个风机在预设时间范围内的多个采样时刻的多维样本数据；确定每个多维样本数据的欧式范数，根据欧式范数对所有多维样本数据进行分类，得到多个聚类；根据运行状态数据，确定对应的风机覆冰状态；根据目标函数筛选得到多维样本数据中的线性成分；根据风机覆冰状态以及欧式范数确定每个聚类的决策权重；根据传递环境系数以及决策权重，确定学习率增长系数；根据学习率增长系数调整学习率，训练自注意力长短时记忆网络，得到风机覆冰停机预测模型。通过模型训练方法得到的预测模型，可以提高对风机覆冰是否停机的预测准确性。

【技术实现步骤摘要】

本申请涉及人工智能，具体地涉及一种模型训练方法、风机覆冰停机预测方法、装置及存储介质。

技术介绍

1、风机叶片覆冰预测技术可以保证风机的正常安全运行、降低维护成本，覆冰预测模型主要分为覆冰增长模型、经验模型和基于人工智能的预测模型。

2、覆冰增长模型中对于地理位置、气象要素与覆冰停机之间没有建立准确的联系，经验模型中由于各地区气象、地形差异，覆冰与气象参数的关系也各异，因此应用范围都具有局限性。基于人工智能的预测模型中，现有的自注意力长短时记忆网络虽然可以处理和预测时间序列中间隔和延迟非常长的重要事件，解决长时序下的预测问题，但是对于风机覆冰状态预测任务而言，其长时序训练数据量较大且复杂，导致自注意力长短时记忆网络训练过程中可能发生模型的震荡、发散、过拟合等问题，影响风机覆冰状态预测结果的准确性。

技术实现思路

1、本申请实施例的目的是提供一种模型训练方法、风机覆冰停机预测方法、装置及存储介质，用以解决现有技术中风机覆冰状态预测结果的准确性较低的技术问题。

2、为了实现上述目的，本申请本文档来自技高网...

【技术保护点】

1.一种模型训练方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述确定每个所述多维样本数据的欧式范数，根据所述欧式范数对所有所述多维样本数据进行分类，得到多个聚类，包括：

3.根据权利要求1所述的模型训练方法，其特征在于，所述根据目标函数筛选得到所述多维样本数据中的线性成分，包括：

4.根据权利要求1所述的模型训练方法，其特征在于，所述根据所述风机覆冰状态以及所述欧式范数确定每个所述聚类的决策权重，包括：

5.根据权利要求1所述的模型训练方法，其特征在于，所述根据传递环境系数以及所述决策权重，确定学习率增长系数，包括：...

【技术特征摘要】

1.一种模型训练方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述确定每个所述多维样本数据的欧式范数，根据所述欧式范数对所有所述多维样本数据进行分类，得到多个聚类，包括：

3.根据权利要求1所述的模型训练方法，其特征在于，所述根据目标函数筛选得到所述多维样本数据中的线性成分，包括：

4.根据权利要求1所述的模型训练方法，其特征在于，所述根据所述风机覆冰状态以及所述欧式范数确定每个所述聚类的决策权重，包括：

5.根据权利要求1所述的模型训练方法，其特征在于，所述根据传递环境系数以及所述决策权重，...

【专利技术属性】
技术研发人员：康文军，陆佳政，李波，罗晶，怀晓伟，刘镕滔，戴文，郭晓涵，
申请(专利权)人：国网湖南省电力有限公司，
类型：发明
国别省市：