【技术实现步骤摘要】
本专利技术涉及气象要素预报，具体为一种基于人工智能算法的风机覆冰反演及预测方法及系统。
技术介绍
1、近年来随着全球气候变化加剧，我国南方地区近年来极端冰冻天气频发，不仅对电网安全稳定运行造成严重影响，也同时给公司在新型电力系统转型带来巨大挑战。在新能源产出方面，云贵地区具有丰富的风力资源，已建有大量风电场，但这些风电场大多架设于山地高原，冬季容易受到覆冰影响，导致风机会闭锁停机。在电力送出方面，一方面受到冬季覆冰影响，电网每年因覆冰受损频发。基于数据驱动的覆冰检测模型可以有效利用风电场中大量的实时数据，通过先进的计算方法提高预测的准确性和效率。这对于南网典型地区的风机覆冰反演及预测技术研究具有重要的借鉴和实用价值，为风力发电的安全和效率提供了有力的技术支持。
2、现有的覆冰预测技术中，数据来源有限，数据质量参差不齐，导致模型的预测精度不高。在处理复杂环境和多变气候条件下的覆冰预测时，适应性较差，难以应对多样化的覆冰情况。覆冰预警方面，响应速度较慢，难以实现实时预测和快速预警。
技术实现思路
1、鉴于上述存在的问题，提出了本专利技术。
2、因此，本专利技术解决的技术问题是：如何准确地提高风机覆冰预测识别的准确性和效率。
3、为解决上述技术问题，本专利技术提供如下技术方案：一种基于人工智能算法的风机覆冰反演及预测方法，包括：
4、收集实际观测获取的风机数据和电线检测杆塔数据；
5、选择风机和电线检测杆塔进行匹配，形成数据集，
6、带入随机森林算法中进行随机森林分类模型的建立和进行相关性分析，并对影响风机覆冰有无的主要因素进行特征重要性分析；
7、模型训练与贝叶斯优化完成后，对风机覆冰情况进行预测，并通过评分、命中率、漏报率和准确率评估指标全面评价模型性能。
8、作为本专利技术所述的基于人工智能算法的风机覆冰反演及预测方法的一种优选方案，其中：所述风机数据和电线检测杆塔数据包括，收集实际观测获取的风机数据和电线检测杆塔数据；具体包括风机数据，风机发电功率、风机风速、覆冰有无、风向、电线检测杆塔数据；气象要素，温度、相对湿度、杆塔风速。
9、作为本专利技术所述的基于人工智能算法的风机覆冰反演及预测方法的一种优选方案，其中：所述形成数据集包括，选择合适的风机和电线检测杆塔进行匹配，风机数据提供风机发电功率、风机风速，电线杆塔监测数据提供气象要素，形成数据集；
10、所述匹配包括，w＝{w1,w2,…,wn}，风机数据集，其中每个wi表示一个风机的数据向量；p＝{p1,p2,…,pm}，电线检测杆塔数据集，其中每个pj表示一个电线检测杆塔的数据向量；
11、地理距离计算公式表示为：
12、
13、其中，lati表示风机wi的纬度；loni表示风机wi的经度；latj表示电线检测杆塔pj的纬度；loni表示电线检测杆塔pi的经度；
14、地理位置匹配，环境条件相似度计算公式表示为：
15、
16、其中，eik表示风机wi的第k个环境参数的标准化值；ejk表示电线检测杆塔pj的第k个环境参数的标准化值；wk表示第k个环境参数的权重，表示该参数在相似度计算中的重要性；sij表示风机wi和电线检测杆塔pj之间的环境条件相似度；sthreshold表示设定的相似度阈值，只有相似度在该阈值内的风机和电线检测杆塔才被认为是环境条件相似的；
17、综合匹配结果，最终匹配的数据集m公式表示为：
18、m＝{(wi,pj)∣dij≤dthresholdandsij≤sthreshold}
19、其中，m表示包含所有满足地理位置和环境条件匹配要求的风机和电线检测杆塔对。
20、作为本专利技术所述的基于人工智能算法的风机覆冰反演及预测方法的一种优选方案，其中：所述预处理和分类包括，收集风机和电线检测杆塔数据得到匹配数据集m，进行初步处理；处理异常值，使用iqr方法检测并处理异常值，得到初始数据集d；
21、将数据集划分为训练集(xtrain,ytrain)和数据集(xtest,ytest)；进行类别编码，将类别特征转化为数值特征，使用独热编码，创建新的交互特征和聚合特征。
22、作为本专利技术所述的基于人工智能算法的风机覆冰反演及预测方法的一种优选方案，其中：所述随机森林分类模型的建立包括，设置随机森林模型初始参数，使用训练集数据(xtrain,ytrain)训练随机森林分类器，表示为：
23、rf.fit(xtrain,ytrain)
24、进行预测与评估，公式表示为：
25、
26、使用测试集数据xtest进行预测，得到预测结果评估模型性能，计算准确率、精确率、召回率和f1得分，模型正确预测的比例公式表示为：
27、
28、其中：表示指示函数，当时为1，否则为0；m表示样本总数；表示第i个样本的预测值，yi表示第i个样本的真实值。
29、作为本专利技术所述的基于人工智能算法的风机覆冰反演及预测方法的一种优选方案，其中：所述贝叶斯优化包括，贝叶斯优化算法的目标在于最小化目标函数值，定义目标函数和参数域，公式表示为：
30、f(x)＝loss(tv,x)+ε
31、其中，ε表示噪声项；超参数域x表示所有可能的超参数组合的集合，定义损失函数表示为loss(tc,x)；f(x)表示目标函数；tv表示验证集；loss()表示损失函数；x表示超参数；x表示超参数域空间；
32、优化目标，找到使得目标函数f(x)最小化的超参数x，公式表示为：
33、
34、对目标f(x)进行优化，基于历史观测数据h和当前观测值y，推导出概率密度函数p(x|y,h)；密度函数的定义公式表示为：
35、
36、其中，y*表示在观测到h后的最佳值，公式表示为：
37、y*＝min{f(xt),1≤t<n}
38、历史观测集h定义为：
39、h＝{(xi,f(xi)),1≤i≤t}
40、定义密度函数，l(x)表示使得对应的损失f(xi)小于y所形成的密度；g(x)表示使得对应的损失f(xi)大于等于y*所形成的密度；
41、采用基于提升策略中的ei方法作为采集函数，并对其进行优化；ei是关于x映射到实数空间的期望函数，公式表示为：
42、
43、根据最优x更新模型和历史观察集，重复更新直至模型收敛。
44、作为本专利技术所述的基于人工智能算法的风机覆冰反演及预测方法的一种优选方案，其中：所述对风机覆冰情况进行预测包括，算法的最终目标在于最小化目标函数f(x)；对ei进行构造，使得探索与开发得以平衡，即尽可能的使得评估点位于l(x)区域，又能够获取新的评估点x以丰富本文档来自技高网...
【技术保护点】
1.一种基于人工智能算法的风机覆冰反演及预测方法，其特征在于，包括：
2.如权利要求1所述的基于人工智能算法的风机覆冰反演及预测方法，其特征在于：所述风机数据和电线检测杆塔数据包括，收集实际观测获取的风机数据和电线检测杆塔数据；具体包括风机数据，风机发电功率、风机风速、覆冰有无、风向、电线检测杆塔数据；气象要素，温度、相对湿度、杆塔风速。
3.如权利要求2所述的基于人工智能算法的风机覆冰反演及预测方法，其特征在于：所述形成数据集包括，选择合适的风机和电线检测杆塔进行匹配，风机数据提供风机发电功率、风机风速，电线杆塔监测数据提供气象要素，形成数据集；
4.如权利要求3所述的基于人工智能算法的风机覆冰反演及预测方法，其特征在于：所述预处理和分类包括，收集风机和电线检测杆塔数据得到匹配数据集M，进行初步处理；处理异常值，使用IQR方法检测并处理异常值，得到初始数据集D；
5.如权利要求4所述的基于人工智能算法的风机覆冰反演及预测方法，其特征在于：所述随机森林分类模型的建立包括，设置随机森林模型初始参数，使用训练集数据(Xtrain,Ytr
6.如权利要求5所述的基于人工智能算法的风机覆冰反演及预测方法，其特征在于：所述贝叶斯优化包括，贝叶斯优化算法的目标在于最小化目标函数值，定义目标函数和参数域，公式表示为：
7.如权利要求6所述的基于人工智能算法的风机覆冰反演及预测方法，其特征在于：所述对风机覆冰情况进行预测包括，算法的最终目标在于最小化目标函数f(x)；对EI进行构造，使得探索与开发得以平衡，即尽可能的使得评估点位于l(x)区域，又能够获取新的评估点x以丰富l(x)区域；定义概率密度函数，公式表示为：
8.一种采用如权利要求1-7任一所述方法的基于人工智能算法的风机覆冰反演及预测系统，其特征在于：
9.一种计算机设备，包括：存储器和处理器；所述存储器存储有计算机程序，其特征在于：所述处理器执行所述计算机程序时实现基于人工智能算法的风机覆冰反演及预测方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现基于人工智能算法的风机覆冰反演及预测方法的步骤。
...【技术特征摘要】
1.一种基于人工智能算法的风机覆冰反演及预测方法，其特征在于，包括：
2.如权利要求1所述的基于人工智能算法的风机覆冰反演及预测方法，其特征在于：所述风机数据和电线检测杆塔数据包括，收集实际观测获取的风机数据和电线检测杆塔数据；具体包括风机数据，风机发电功率、风机风速、覆冰有无、风向、电线检测杆塔数据；气象要素，温度、相对湿度、杆塔风速。
3.如权利要求2所述的基于人工智能算法的风机覆冰反演及预测方法，其特征在于：所述形成数据集包括，选择合适的风机和电线检测杆塔进行匹配，风机数据提供风机发电功率、风机风速，电线杆塔监测数据提供气象要素，形成数据集；
4.如权利要求3所述的基于人工智能算法的风机覆冰反演及预测方法，其特征在于：所述预处理和分类包括，收集风机和电线检测杆塔数据得到匹配数据集m，进行初步处理；处理异常值，使用iqr方法检测并处理异常值，得到初始数据集d；
5.如权利要求4所述的基于人工智能算法的风机覆冰反演及预测方法，其特征在于：所述随机森林分类模型的建立包括，设置随机森林模型初始参数，使用训练集数据(xtrain,...
【专利技术属性】
技术研发人员：牛唯，龚博，毛先胤，张厚荣，陈沛龙，黄增浩，杨旗，朱登杰，黄欢，张海鹏，范强，何锦强，邹雕，廖永力，张义钊，李昊，吕乾勇，张志强，古庭赟，张俊玮，曾鹏，徐舒蓉，
申请(专利权)人：贵州电网有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。