基于风能利用系数与多元多项式回归的风力机功率预测方法与流程

技术特征：
1.一种基于风能利用系数与多元多项式回归的风力机功率预测方法，其特征在于，包括如下步骤：s1、对scada采样数据集d0以风速、叶片转速、桨距角以及功率作为特征提取出来，组成数据集d1；s2、根据风机特性曲线将数据集d1分为恒功率、恒转速、最大功率点跟踪三个阶段，并分别以一定比例分为训练集和验证集；s3、根据风机理论基础，将风能利用系数c
p
作为功率建模的中间变量，分别对恒功率段数据集d11
‑
1,恒转速段数据集d12
‑
1和最大功率点跟踪段数据集d13
‑
1建立多元多项式模型；s4、将步骤s3中数据集d11
‑
1，d12
‑
1和d13
‑
1建立好的风能利用系数c
p
多项式模型，在验证数据集d11
‑
2，d12
‑
2和d13
‑
2上进行风机输出功率预测；步骤s2对风机的运行过程分段包括如下步骤：s201、以风速作为分割线，将采样数据集d1分割成三部分，为d11，即风速大于等于额定风速，d12，即风速大于等于额定转速风速且小于额定风速，和d13，即风速小于额定转速风速，表示风机所处的三种状态；s202、对数据集d11按一定比例分为两组数据，记为d11
‑
1和d11
‑
2；对数据集d12按一定比例分为两组数据，记为d12
‑
1和d12
‑
2；对数据集d13按一定比例分为两组数据，记为d13
‑
1和d13
‑
2；d11
‑
1，d12
‑
1和d13
‑
1作为训练集，即建模样本；d11
‑
2，d12
‑
2和d13
‑
2作为验证集，即预测样本；步骤s3包括如下步骤：s301、对数据集d11
‑
1建立多元多项式模型：采用多元多项式回归模型，将风能利用系数c
p
(λ,θ)表示为叶尖速比λ和桨距角θ的m1阶多项式，如下式：y＝∑a
ij
x
1i
x
2j
；式中，y表示风能利用系数c
p
，x1表示叶尖速比λ，x2表示桨距角，a
ij
表示系数，其中i,j＝0,1,2,
…
,m1；i j≤m1；采用最小二乘法找到使得代价函数j最小的阶次m1和参数a
ij
，使得多项式模型的精度达到最高，代价函数为：式中，n是样本数量，和y
i
分别是风能利用系数c
p
的预测值和实际值；合适的m1值是使模型预测的均方根误差rmse最小对应的阶数，公式如下：式中，n为验证样本个数；y
i
为验证样本风能利用系数c
p
实际值；是多项式模型c
p
预测值；s302、对数据集d12
‑
1建立多元多项式模型：由于风机处于恒转速阶段，认为转速恒为额定转速，用λ
′
表征此状态下风机的叶尖速比：
其中转速n
n
取额定转速，同样采用多元多项式回归模型，将风能利用系数c
p
(λ,θ)表示为叶尖速比λ
′
和桨距角θ的m2阶多项式，也用最小二乘法找到最佳阶次m2和参数a
ij
，合适的m2值是使模型预测的rmse最小对应的阶数；s303、对数据集d13
‑
1建立多元多项式模型：考虑到低风速时由于变桨距控制技术风机桨距角变化极小，对该数据集建立风能利用系数c
p
关于叶尖速比λ的一元多项式模型，经最小二乘拟合找到多项式的最佳阶次m3和参数a
ij
，合适的m3值是使模型预测的rmse最小对应的阶数；步骤s4包括如下步骤：s401、利用步骤s301中数据集d11
‑
1建立好的风能利用系数c
p
多项式模型，在验证数据集d11
‑
2进行风机输出功率预测，具体计算公式为：其中，为风能利用系数c
p
的预测值；s402、利用步骤s302中数据集d12
‑
1建立好的风能利用系数c
p
多项式模型，在验证数据集d12
‑
2进行风机输出功率预测，具体计算公式与步骤s401中的相同；s403、利用步骤s303中数据集d13
‑
1建立好的风能利用系数c
p
多项式模型，在验证数据集d13
‑
2进行风机输出功率预测，具体计算公式与步骤s401中的相同。

技术总结
本发明涉及一种基于风能利用系数与多元多项式回归的风力机功率预测方法，使用风能利用系数来选择影响风机输出功率的变量，通过多元多项式的方法来建模变量与风机输出功率的关系，以达到功率预测的目的。本方法采用风能利用系数来选择影响风机输出功率的变量，减少了专家分析影响因素的困难。本方法利用风机特性曲线对风机运行状态分段，使模型更具有物理意义。本方法采用多元多项式回归模型对风机输出功率进行预测，具有较高的准确率和较低的模型复杂度。型复杂度。型复杂度。


技术研发人员：黄佳颖 牛王强 杨华建 江佳腾 张炜婷 王晓彤
受保护的技术使用者：上海海事大学
技术研发日：2021.09.07
技术公布日：2021/12/2