[發明專利]基于非對稱損失與混合智能優化算法的功率曲線建模方法

有效

• 申請號: 202110380232.4
• 申請日: 2021-04-09
• 公開（公告）號: CN113051769B
• 公開（公告）日: 2022-09-30
• 發明（設計）人: 汪運;楊佳欣;鄒潤民;劉功堅
• 申請（專利權）人: 中南大學;中國電力科學研究院有限公司
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06K9/62;G06N3/00
• 代理公司: 長沙軒榮專利代理有限公司 43235
• 代理人: 叢詩洋

本發明涉及新能源和統計學習領域，特別涉及一種基于非對稱損失與混合智能優化算法的功率曲線建模方法。所述方法包括：將風電場數據集劃分為訓練集、驗證集和測試集；選定多個風功率曲線參數擬合模型，并構建非對稱損失目標函數；以非對稱損失目標函數為適應度函數采用預設的混合優化算法進行參數優化，獲得多個待確定非對稱損失目標函數參數對應的多個優化模型；采用驗證集對所述優化模型進行評估，篩選出最優非對稱損失目標函數參數和對應的最優參數模型；最后采用測試集對最優參數模型進行評估。該方法能夠提高模型的準確性和可靠性，同時提高模型參數優化的效率和精度。

技術領域

本發明涉及新能源和統計學習領域，特別涉及一種基于非對稱損失與混合智能優化算法的功率曲線建模方法。

背景技術

能源是人類賴以生存的基礎，但隨著社會的快速發展，能源消耗不斷增加，人類面臨著日益嚴重的能源短缺和環境破壞等危機，全球變暖已成為國際社會關注的中心問題。在此背景下，發展可再生能源對于保障能源安全、促進環境保護、實現經濟可持續發展具有重要意義。考慮到風能的環境友好性，它已經成為發展最快的可再生能源之一。在風力發電的發展過程中，風功率曲線對風力機性能的研究具有重要的意義，它影響著風能利用的質量、風電功率預測的準確性和電網規劃的有效性。

風功率曲線是一種表征風機發電性能的曲線，它反映了輸入風速與輸出功率之間的非線性關系。風功率曲線在風力發電機組狀態監測和故障排除、風機選型、風能評估、電網調度規劃等方面發揮著重要作用。獲取風功率曲線最直接的方法是由生產廠家提供，但他們提供的往往是在封閉環境下獲得的理論曲線，無法反映在復雜的實際環境下風電機組的真實性能。在現有研究中，通過風機實際運行數據進行風功率曲線的建模，建模方法可以分為兩大類:參數方法和非參數方法。

參數方法是使用數學表達式來描述風速和功率輸出之間的映射關系，通常表現為一條S形曲線，典型的參數模型有:多項式模型、修正雙曲正切(MHTan)模型、參數邏輯函數(3-PLF,4-PLF,5-PLF,6-PLF)、WERA模型等。非參數建模方法不會對模型表達式做過多的假設，也不會預先設定函數的形式，而是在學習的過程中自動構建風功率曲線模型。例如：人工神經網絡(ANN)，支持向量機(SVM)，自適應神經模糊推理系統(ANFIS)等。

所有的參數方法和非參數方法都是基于給定的數據進行模型訓練，這使得訓練數據的質量對模型的精度有很大的影響。在風機實際運行環境下采集的數據不可避免地存在異常值，它們可能導致風功率曲線建模的結果不準確。研究人員提出了很多關于異常值處理的技術，例如3sigma原則、K均值聚類等。但實際上并不能保證所有異常值都被檢測出來，因此經過異常值處理后的數據中仍然可能含有隱藏的異常點，這些異常點將導致功率曲線擬合誤差呈非對稱分布。在建模時大多文獻中并沒有考慮這一誤差分布特性，而是假設擬合誤差呈高斯分布，這影響了功率曲線的準確性和可靠性。為了提高功率曲線建模的精度和可靠性，需要在建模過程中充分考慮誤差特性，從而削弱異常值對功率曲線建模準確性的影響。因此，需要提出更好的風功率建模方法來解決異常值對風功率曲線建模精度的影響，并解決收斂速度和尋優精度不平衡的問題。

發明內容

基于此，本發明的目的是解決風功率曲線建模過程中異常值降低模型精度和可靠性的問題，以及解決單一優化算法在收斂速度和尋優精度兩方面不能很好平衡的問題，獲得了準確可靠的風功率曲線。

本發明提供了一種基于非對稱損失與混合智能優化算法的功率曲線建模方法，具體包括：

將獲取的風電場數據集隨機劃分為訓練集、驗證集和測試集；

選定多個風功率曲線參數擬合模型，并構建非對稱損失目標函數；

將所述訓練集輸入所述風功率曲線參數擬合模型，并以所述非對稱損失目標函數為適應度函數采用預設的混合優化算法進行參數優化，獲得多個待確定非對稱損失目標函數參數對應的多個優化模型；