一种基于组合预测的风电机组状态参数异常辨识方法

摘要

本发明涉及一种基于组合预测的风电机组状态参数异常辨识方法，包括以下步骤：选取合适的风电场SCADA数据，得到训练数据和测试数据；建立目标参数的单项预测模型(包括BPNN和LSSVM)，对组合模型进行优化，选择合适的权重；采用组合预测模型预测目标参数，并与实际值对比，得到残差；计算均方根误差(RMSE)，获得RMSE的变化情况；若RMSE小于阈值，判定状态参数正常，若RMSE大于阈值，采用相同的残差数据计算熵值；若熵值小于阈值，判定状态参数正常，虽然此时RMSE大于阈值，但是残差数据变化不大，不能判定为出现异常；若熵值大于阈值，则判定状态参数出现异常。本发明采用的方法易于编程实现，能够快速准确地对风电机组状态参数进行异常辨识。

主权项

一种基于组合预测的风电机组状态参数异常辨识方法，其特征在于：包括以下步骤：S1：选取合适的风电场SCADA数据，得到训练数据和测试数据；S2：建立目标参数的单项预测模型(包括BPNN和LSSVM)，对组合模型进行优化，选择合适的权重；S3：采用组合预测模型预测目标参数，并与实际值对比，得到残差；S4：根据以下公式计算均方根误差(RMSE)，为反映变化趋势，需计算连续的相同时间长度的RMSE，获得RMSE的变化情况；$S=\sqrt{\frac{1}{n}\underset{i=1}{\overset{n}{\Sigma }}{(r_i-{\hat{r}}_i)}^2}$式中，S为均方根误差，n为样本数，r_i为实际值，为根据模型得到的预测值；S5：若RMSE小于阈值，判定状态参数正常；S6：若RMSE大于阈值，采用相同的残差数据计算熵值；S7：若熵值小于阈值，判定状态参数正常，虽然此时RMSE大于阈值，但是残差数据变化不大，不能判定为出现异常；S8：若熵值大于阈值，则判定状态参数出现异常。