申请/专利权人：浙江浙能嘉兴海上风力发电有限公司;浙江大学

申请日：2023-11-16

公开（公告）日：2024-02-27

公开（公告）号：CN117610449A

主分类号：G06F30/28

分类号：G06F30/28;G01P3/36;G06F30/17;G06F30/27;G06F18/243;G06F119/08;G06F119/14;G06F113/04;G06F113/06

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.15#实质审查的生效;2024.02.27#公开

摘要：本发明公开一种基于GRA‑XGBoost的风电机组入流风速估计方法，包括以下步骤：基于风电机组记录的SCADA时序数据，筛选有效数据；根据风电机组的运行控制策略划分风速区间，得到各风速区间下的子数据集；在各个子数据集内，选取灰色关联度高的特征值输入到XGBoost模型；以激光雷达测风数据为参考的真实风速值，作为模型的目标向量进行训练；根据设定的预测模型评价指标，调整优化模型参数，得到满足条件的子模型结果和全风速段的GRA‑XGBoost风速估计组合模型；通过在线部署模型，得到实时有效的入流风速估计值。本发明不仅能够克服机舱传递函数实用性较差的问题，还具有较高的拟合精度和更低的预测误差。

主权项：1.一种基于GRA-XGBoost的风电机组入流风速估计方法，其特征在于，包括如下步骤：S1.获取装有激光雷达的风电机组的一段时间内SCADA历史时序数据，并对数据进行去除奇异点，填补缺失值，筛选有效值的预处理操作来提高数据质量；S2.利用风速大小数据作为数据集划分依据，根据风电机组的运行控制策略划分风速区间，进而得到各个不同风速区间下的子数据集；S3.在各个子数据集内，利用GRA作为特征分析与选择的工具来降低输入维数，选取灰色关联度高的特征值输入到XGBoost模型，以此提升训练模型的准确性，同时避免高维数输入导致模型训练过拟合；S4.在各个子数据集内，利用激光雷达测风数据作为风电机组风轮前真实入流风速的参考值，作为模型的目标向量进行训练并预测，根据设定的预测模型评价指标MSE、MAE、RMSE和R2，调整优化模型参数，得到满足条件的子模型结果；S5.按风速大小拼接各个风速区间内得到的子模型，得到全风速段的GRA-XGBoost风速估计组合模型。最后在线部署模型，对于同型号风电机组的实时输出的SCADA时序数据，实施相应的数据预处理操作之后，输入到训练好的风速估计模型中，经过带宽合适的滤波模块后，得到实时有效风速估计值。

全文数据：

权利要求：

百度查询： 浙江浙能嘉兴海上风力发电有限公司;浙江大学 一种基于GRA-XGBoost的风电机组入流风速估计方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD