[發明專利]一種風電場風機負荷指數預測裝置及方法

有效

• 申請號: 201010224048.2
• 申請日: 2010-07-12
• 公開（公告）號: CN101930486A
• 公開（公告）日: 2010-12-29
• 發明（設計）人: 徐建源;滕云;林莘;鞠海林;李斌;李永祥
• 申請（專利權）人: 沈陽工業大學
• 主分類號: G06F17/50
• 分類號: G06F17/50;F03D7/00
• 代理公司: 沈陽東大專利代理有限公司 21109
• 代理人: 朱光林

1.一種風電場風機負荷指數預測裝置，其特征在于：該裝置包括有傳感器、數據采集芯片、中央處理器、工控機和無線通訊模塊，各部件連接：傳感器的輸出端連接數據采集芯片的輸入端，數據采集芯片的輸出端連接中央處理器的輸入端，中央處理器的輸出端連接工控機和無線通信模塊的輸入端。

2.采用權利要求1所述的風電場風機負荷指數預測裝置進行預測的方法，其特征在于，利用最小二乘法支持向量機模型進行預測，包括如下步驟：

步驟1、采用風電場負荷指數預測裝置采集風電場的電機組槳葉安裝角度、發動機軸承震動頻率、塔桿垂直度和發動機轉矩作為輸入量；

步驟2、建立預測樣本，形成訓練樣本集；

將風電機組槳葉安裝角度、發動機軸承震動頻率、塔桿垂直度和發動機轉矩作為輸入量；設輸入、輸出樣本數據集為{x_k，y_k}(k＝1，2，…，N)，N為自然數；其中，x_k為n維輸入向量，x_k∈Rⁿ，Rⁿ代表多維的實數量；y_k為風電場風機負荷指數，y_k∈Rⁿ；在特征空間中的線性方程可以表示為以下形式：

y_k＝ω^Tφ(x)+b????(1)

式(1)中，將輸入空間映射為高維特征空間的映射函數；ω為超平面的權值向量，ω∈Rⁿ；b為偏置量；

步驟3、將輸入樣本數據集輸入最小二乘法支持向量機模型；

最小二乘法支持向量機模型選擇誤差e_k的平方和為損失函數，其優化為

其中，s.t.為約束條件，N為自然數，γ＞0為懲罰系數因子，e為誤差，e_k為第K個誤差，用于控制誤差調節所起的作用，能夠在訓練誤差和模型復雜度之間取一個折衷，以便使所求的函數具有好的泛化能力，并且γ值越大，模型的回歸誤差越少；

步驟4、求解最小二乘法支持向量機模型；

確定最小二乘法支持向量機模型的回歸參數a_k＝[a₁，a₂，…，a_N]^T和b，引入拉格朗日函數進行求解：

式(3)中，a_k(k＝1，2，…，N)為Lagrange乘子；

把求出的a_k和b的數值帶入，按自適應選擇方法求解核寬度σ和懲罰系數因子γ，即得到最小二乘法支持向量機模型；

由式(5)求出a_k，b后，可得到最小二乘法支持向量機模型為：

yk(x)=ΣK=1NaKK(xK,xk+1)+b---(7)]]>

本發明選用的核函數為徑向基(RBF)函數，即

K=(xk,xk+1)=exp(-||xk-xk+1||22σ2)---(8)]]>

步驟5、輸入樣本數據集得到風電場負荷指數；

由公式(7)最小二乘法支持向量機模型輸出樣本數據集y_k，y_k即為預測的風電場負荷指數。

3.按權利要求2所述的風電場風機負荷指數預測裝置進行預測的方法，其特征在于，所述的最小二乘法支持向量機模型的回歸參數a_k和b的確定方法如下：

最優的a_k和b通過卡魯斯-庫恩-塔克條件獲得，即

通過消去式(4)中的變量ω和e_k，優化問題轉化為求解如下線性方程組：

01T‾1‾n+γ-1·1bak=0yk---(5)]]>

式(5)中，y_k＝[y₁，y₂，…，y_N]^T；a_k＝[a₁，a₂，…，a_N]^T；I為單位矩陣；Ω為方陣；

根據默塞爾條件可知，存在映射和核函數K(·，·)使得：

Ω_k＝φ(x_k)^Tφ(x_k+1)＝k(x_k，x_k+1)i＝1，2，…，N；(6)。