[發明專利]基于在歷史數據中進行相似搜索的風電機組狀態預測方法

在審

• 申請號: 201611116628.3
• 申請日: 2016-12-07
• 公開（公告）號: CN106779200A
• 公開（公告）日: 2017-05-31
• 發明（設計）人: 朱志良;杜海濤;石凱;宋航;劉國奇;于海
• 申請（專利權）人: 東北大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06
• 代理公司: 沈陽東大知識產權代理有限公司21109
• 代理人: 梁焱

1.一種基于在歷史數據中進行相似搜索的風電機組狀態預測方法，其特征在于：包括以下步驟：

步驟1、獲取足夠長的風機傳感器的歷史運行數據，保證該歷史運行數據能夠包含風機可能存在的所有狀態；

步驟2、對風電機組歷史運行數據進行預處理，刪除無用的變量和錯誤的數據，補全缺失的數據；

步驟3、利用隨機森林算法對風機屬性進行學習并提取重要性屬性；

步驟4、利用主成分分析對風機屬性進行降維，生成風機的一維時間序列綜合指標；

步驟5、利用改進的K均值聚類算法對降維后的風機數據進行聚類分析，得到相似的風電機組；

步驟6、在風電機組運行的過程中，系統通過當前運行數據實時的計算數據間的動態時間彎曲距離，在自身及其相似的風電機組歷史數據中進行匹配，找到與當前狀態最相似的歷史數據，用該歷史數據下一時刻的數據作為風機之后運行狀態的預測，并進行風機狀態預警。

2.根據權利要求1所述的基于在歷史數據中進行相似搜索的風電機組狀態預測方法，其特征在于：所述步驟3的具體方法為：

步驟3.1、根據專家意見和文獻，選取適當的變量作為輸出值，其他的變量作為輸入值，利用隨機森林算法，在預先設定好的參數下進行機器學習；

步驟3.2、根據步驟3.1機器學習得到的結果，將各個屬性按照均方誤差增量進行排序，得到其他各個變量對選取為輸出值變量的重要性，并選取重要性靠前的若干變量作為研究對象。

3.根據權利要求1所述的基于在歷史數據中進行相似搜索的風電機組狀態預測方法，其特征在于：所述步驟4的具體方法為：

步驟4.1、選取大量正常運行的風機的數據，進行主成分分析，得到特征向量和權值；

步驟4.2、利用得到的特征向量和權值對相應風機數據進行降維，生成一維時間序列綜合指標；

步驟4.3、將風電機組降維后的數據存儲在計算機中，作為風機狀態的檢索庫。