[發(fā)明專利]一種基于深度學(xué)習(xí)算法的風(fēng)機(jī)葉片覆冰狀態(tài)預(yù)測方法

有效

• 申請?zhí)枺?/td>: 202110089240.3
• 申請日: 2021-01-22
• 公開（公告）號: CN112734131B
• 公開（公告）日: 2023-04-18
• 發(fā)明（設(shè)計(jì)）人: 熊昌全;何澤其;張宇寧;黃勝
• 申請（專利權(quán)）人: 國家電投集團(tuán)四川電力有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06Q10/067;G06N3/0442
• 代理公司: 成都時(shí)譽(yù)知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 51250
• 代理人: 葉斌

本發(fā)明公開了一種基于深度學(xué)習(xí)算法的風(fēng)機(jī)葉片覆冰狀態(tài)預(yù)測方法，包括以下步驟：步驟1：數(shù)據(jù)集采集、降維處理；步驟2：數(shù)據(jù)特征預(yù)處理；步驟3：Bi?LSTM模型訓(xùn)練及測試評估；步驟4：基于Bi?LSTM和SVM模型對風(fēng)機(jī)葉片覆冰狀態(tài)預(yù)測。本發(fā)明基于深度學(xué)習(xí)可實(shí)現(xiàn)對覆冰狀態(tài)的快速準(zhǔn)確預(yù)測，還可以解決數(shù)據(jù)處理難題，同時(shí)降低預(yù)測延時(shí)性，是一種快速準(zhǔn)確的覆冰狀態(tài)預(yù)測方法。并且通過預(yù)測輸出值進(jìn)入SVM模型，準(zhǔn)確快速判斷風(fēng)機(jī)葉片覆冰狀態(tài)。快速精準(zhǔn)對實(shí)際數(shù)據(jù)做出判斷，來預(yù)測風(fēng)機(jī)葉片未來一段時(shí)間是否處于覆冰狀態(tài)，為及時(shí)發(fā)現(xiàn)風(fēng)機(jī)葉片覆冰狀態(tài)提供了可靠的決策依據(jù)，保證嚴(yán)寒季節(jié)的風(fēng)電場能迅速做出應(yīng)急措施。

技術(shù)領(lǐng)域

本發(fā)明屬于風(fēng)電場風(fēng)機(jī)葉片覆冰災(zāi)害預(yù)警技術(shù)領(lǐng)域，具體涉及一種基于深度學(xué)習(xí)算法的風(fēng)機(jī)葉片覆冰狀態(tài)預(yù)測方法。

背景技術(shù)

近年來，我國風(fēng)力發(fā)電機(jī)組的裝機(jī)容量持續(xù)上升、風(fēng)力發(fā)電場的規(guī)模不斷擴(kuò)大，風(fēng)力資源在得到充分利用的同時(shí)，風(fēng)電場也面臨極端天氣的侵?jǐn)_。在嚴(yán)寒季節(jié)，風(fēng)電場面臨嚴(yán)重的風(fēng)機(jī)葉片覆冰問題，一方面葉片覆冰加劇葉片靜載荷，縮短機(jī)組使用壽命；另一方面改變?nèi)~片動(dòng)力特性，影響風(fēng)機(jī)產(chǎn)能；當(dāng)覆冰積重時(shí)甚至可能發(fā)生風(fēng)機(jī)塔筒坍塌，嚴(yán)重影響風(fēng)電場安全經(jīng)濟(jì)運(yùn)行。因此，亟需開展對風(fēng)機(jī)葉片覆冰狀態(tài)預(yù)測研究，提前采取防范措施以預(yù)防可能發(fā)生的覆冰危害。

目前，對于風(fēng)機(jī)覆冰狀態(tài)研究，可以運(yùn)用的方法有限，人工觀冰耗時(shí)耗力，監(jiān)測設(shè)備和傳感設(shè)備又消耗資源，傳統(tǒng)的實(shí)驗(yàn)分析和數(shù)學(xué)模型具有一定延時(shí)性。

發(fā)明內(nèi)容

本發(fā)明目的在于提供一種基于深度學(xué)習(xí)算法的風(fēng)機(jī)葉片覆冰狀態(tài)預(yù)測方法，用于解決上述現(xiàn)有技術(shù)中存在的技術(shù)問題之一，克服傳統(tǒng)風(fēng)機(jī)葉片覆冰狀態(tài)預(yù)測方法的缺陷，采用現(xiàn)有的風(fēng)電場風(fēng)機(jī)數(shù)據(jù)采集與監(jiān)控SCADA(風(fēng)電場風(fēng)機(jī)數(shù)據(jù)采集與監(jiān)控supervisorycontrol?and?data?acquisition)系統(tǒng)，可以提供風(fēng)機(jī)運(yùn)行過程中以及運(yùn)行狀態(tài)的相關(guān)參數(shù)數(shù)據(jù)，基于數(shù)據(jù)驅(qū)動(dòng)提出一種風(fēng)機(jī)覆冰狀態(tài)預(yù)測方法，預(yù)測方法采用對大數(shù)據(jù)和時(shí)間序敏感的雙向傳播長短期記憶網(wǎng)絡(luò)(Bidirectional?long?short-term?memory，Bi-LSTM)深度學(xué)習(xí)算法。基于深度學(xué)習(xí)可實(shí)現(xiàn)對覆冰狀態(tài)的快速準(zhǔn)確預(yù)測，還可以解決數(shù)據(jù)處理難題，同時(shí)降低預(yù)測延時(shí)性，是一種快速準(zhǔn)確的覆冰狀態(tài)預(yù)測方法。并且通過預(yù)測輸出值進(jìn)入SVM模型，準(zhǔn)確快速判斷風(fēng)機(jī)葉片覆冰狀態(tài)。快速精準(zhǔn)對實(shí)際數(shù)據(jù)做出判斷，來預(yù)測風(fēng)機(jī)葉片未來一段時(shí)間是否處于覆冰狀態(tài)，為及時(shí)發(fā)現(xiàn)風(fēng)機(jī)葉片覆冰狀態(tài)提供了可靠的決策依據(jù)，保證嚴(yán)寒季節(jié)的風(fēng)電場能迅速做出應(yīng)急措施。

為實(shí)現(xiàn)上述目的，本發(fā)明的技術(shù)方案是：

一種基于深度學(xué)習(xí)算法的風(fēng)機(jī)葉片覆冰狀態(tài)預(yù)測方法，包括以下步驟：

步驟1：數(shù)據(jù)集采集、降維處理；

基于主成分分析法對數(shù)據(jù)指標(biāo)集進(jìn)行降維篩選處理，得到M個(gè)與風(fēng)機(jī)葉片覆冰關(guān)聯(lián)度高的數(shù)據(jù)特征；通過SCADA監(jiān)測系統(tǒng)采集M個(gè)相關(guān)數(shù)據(jù)特征歷史數(shù)據(jù)，共采集N組數(shù)據(jù)，自N組后數(shù)據(jù)為覆冰狀態(tài)；

步驟2：數(shù)據(jù)特征預(yù)處理；

對得到的數(shù)據(jù)特征進(jìn)行歸一化、標(biāo)準(zhǔn)化預(yù)處理，得到可用于Bi-LSTM及SVM的訓(xùn)練數(shù)據(jù)集和測試數(shù)據(jù)集；

步驟3：Bi-LSTM模型訓(xùn)練及測試評估；

訓(xùn)練數(shù)據(jù)和測試數(shù)據(jù)之比選為L:1，利用訓(xùn)練數(shù)據(jù)集Bi-LSTM神經(jīng)網(wǎng)絡(luò)進(jìn)行模型訓(xùn)練，并用測試數(shù)據(jù)集進(jìn)行測試，采用平均絕對誤差、平均絕對誤差百分比和均方根誤差作為模型評價(jià)指標(biāo)，對所設(shè)計(jì)Bi-LSTM模型預(yù)測準(zhǔn)確性進(jìn)行分析；

步驟4：基于Bi-LSTM和SVM模型對風(fēng)機(jī)葉片覆冰狀態(tài)預(yù)測；

對實(shí)際采集的風(fēng)機(jī)SCADA數(shù)據(jù)特征，基于訓(xùn)練完成的Bi-LSTM對數(shù)據(jù)特征進(jìn)行短期預(yù)測，其次將Bi-LSTM預(yù)測輸出數(shù)據(jù)輸入訓(xùn)練完成的SVM模型，判斷風(fēng)機(jī)葉片短期內(nèi)是否會出現(xiàn)覆冰故障。