[發明專利]一種風速時序特征挖掘方法及短期風電功率預測方法

有效

• 申請號: 202011357189.1
• 申請日: 2020-11-26
• 公開（公告）號: CN112417028B
• 公開（公告）日: 2022-09-02
• 發明（設計）人: 黃東晨;郭彥飛;熊歡;李科;李浩文;杜業冬;陳雨帆;陶子彬;王坤;曾浩;張熹;趙福林;戴維;韋偉
• 申請（專利權）人: 國電南瑞科技股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06Q10/04;G06Q50/06;G06N20/10
• 代理公司: 南京縱橫知識產權代理有限公司 32224
• 代理人: 張倩倩

1.一種風速時序特征挖掘方法，其特征是，包括：

獲取原始風速序列數據；

對原始風速序列數據進行分解，得到多模態分量；

計算分解得到的各模態分量的多尺度排列熵；

對各模態分量的多尺度排列熵進行聚類，根據聚類結果將多模態分量重組得到新的模態分量；

對原始風速序列數據和重組后的各模態分量分別進行時序特征提取，得到風速時序特征集合；

基于所述風速時序特征集合進行特征選擇，得到最優風速時序特征集合，即為原始風速序列數據的風速時序特征挖掘結果；

其中，所述基于所述風速時序特征集合進行特征選擇，得到最優風速時序特征集合，包括：

a3)對于提取得到的風速時序特征集合F，計算F中每個特征的重要度得分；

b3)根據重要度得分大小對特征進行排序，取設定排名前的重要度得分較大的特征，形成有序特征子集F′；

c3)利用皮爾遜系數法，去除有序特征子集F′中的冗余特征，得到最優特征子集F″；

a3)中，采用XGBoost算法計算F中每個特征的重要度得分，包括：

a31)從根結點開始，按以下公式計算所有特征的信息增益：

式中，G表示結點損失函數的一階導數之和，H表示結點損失函數的二階導數之和，L代表左子樹，R代表右子樹；

b31)選擇信息增益最大的特征作為結點的特征進行分割，由該特征的不同取值建立子結點；

c31)對子結點遞歸調用a3)-b3)的方法步驟，直至分割到最大深度，并計算構建下一棵樹的殘差；

d31)對c3)生成的每一顆樹進行集成，形成最終的樹模型；

e31)從以下三個重要性度量指標中選擇其一計算重要度得分：

特征切割次數Fscore：

Fscore＝|X| (14)

特征平均增益值AverageGain：

特征平均覆蓋率AverageCover：

2.根據權利要求1所述的方法，其特征是，對原始風速序列數據進行分解得到多模態分量為，采用VMD算法進行多模態分量分解，包括：

a1)通過Hilbert變換計算各模態分量u_k(t)的解析信號，得到各模態的單側頻譜，表示為下式：

式中，δ(t)為單位脈沖函數，j為虛數，t為采樣時間點，*表示卷積；

b1)對每個模態分量u_k(t)，通過對其對應的中心頻率的指數項混疊w_k，將每個模態的頻譜調制到相應基頻帶，表示為下式：

式中，為中心頻率在復平面上的相量描述；

c1)通過計算式(2)調制信號梯度的平方范數L²，估計各模態信號帶寬，構造最小化總帶寬的變分求解問題，如下：

式中，{u_k}＝{u₁,...,u_K}為模態分量集；{w_k}＝{w₁,...,w_K}為各中心頻率集；為對函數求時間t的偏導數；為u_k的帶寬估計，f(t)為原始風速序列信號；

對式(3)進行求解，即得到各模態分量。