[發明專利]一種基于云-貝葉斯網絡的海上風電場智能宏觀選址方法

在審

• 申請號: 201910664008.0
• 申請日: 2019-07-22
• 公開（公告）號: CN110503303A
• 公開（公告）日: 2019-11-26
• 發明（設計）人: 李明;張韌;劉科峰;楊理智;洪梅
• 申請（專利權）人: 中國人民解放軍國防科技大學
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q50/06;G06N5/04
• 代理公司: 32249 南京瑞弘專利商標事務所(普通合伙)
• 代理人: 劉珊珊<國際申請>=<國際公布>=<進入

1.一種基于云-貝葉斯網絡的海上風電場智能宏觀選址方法，其特征在于，包括步驟：

(1)選取海上風電場選址指標，收集海上不同位置坐標上與各個選址指標相應的海洋環境信息作為指標數據；

(2)將選址指標作為貝葉斯網絡的觀測節點，將海上風電場的選址坐標作為目標節點，搭建貝葉斯網絡結構；

(3)若觀測節點為離散型變量，則直接將其數據作為該節點的訓練樣本；若觀測節點為連續型變量，則根據觀測節點的指標數據，通過自適應高斯云變換算法生成符合認知的多種概念云，并輸出相應概念云的數字特征；設計正向云發生器，根據概念云的數字特征對指標數據進行等級劃分，獲得離散化的指標數據；至此，所有觀測節點的指標數據均為離散化數據；

(4)將步驟(3)得到的所有離散化數據作為觀測節點的訓練樣本，采用EM算法對網絡節點參數θ^t進行學習，完成貝葉斯網絡的訓練；

(5)獲取待選址區域的海洋環境信息，即選址指標數據，對選址指標數據根據步驟(3)進行離散化處理，將離散化后的數據輸入訓練好的貝葉斯網絡，采用聯合樹推理機制進行網絡的概率推理，得到待選址區域中每個位置被選為海上風電場的選址坐標的概率，完成對海上風電場環境條件評估并根據最大概率原則進行選址。

2.根據權利要求1所述的一種基于云-貝葉斯網絡的海上風電場智能宏觀選址方法，其特征在于，所述選址指標包括：平均水深、年平均風速、年平均風功率密度、風速變異系數、離岸距離、溫度、流速。

3.根據權利要求1所述的一種基于云-貝葉斯網絡的海上風電場智能宏觀選址方法，其特征在于，所述通過自適應高斯云變換算法生成符合認知的多種概念云的具體步驟包括：

(31)將連續型觀測節點的指標數據作為數據樣本集X，設置概念含混度α；

(32)統計計算X的頻率分布p的波峰數量M，作為概念數量的初始值；

(33)采用啟發式高斯云變換將數據集X聚類為M個高斯云；

(34)依據α判斷各高斯云的含混度，調整概念數量；

(35)重復執行步驟(33)至(34)，直至生成m個含混度小于等于α的高斯云。

4.根據權利要求1所述的一種基于云-貝葉斯網絡的海上風電場智能宏觀選址方法，其特征在于，所述采用EM算法對網絡節點參數進行學習的具體步驟包括：

(41)初始化每個網絡節點的概率分布，包括觀測節點的先驗概率和目標節點的條件概率；其中先驗概率通過統計觀測節點各等級的頻率得到，條件概率采用專家打分法得到；

(42)以當前參數θ^t和觀測節點A推斷目標節點Z的分布P(Z|A，θ^t)，并計算對數似然LL(θ^t|Z，A)關于Z的期望：

(43)尋找參數最大化期望似然獲得網絡節點參數，即θ^t+1＝arg maxQ(θ|θ^t)。