[发明专利]风机SCADA数据的偏航静态偏差角预测方法及系统

权利要求书

1.一种风力发电机SCADA偏航数据的偏航静态偏差角预测方法，其特征在于，包括：

S1.获取时间段内不同风机的风速、偏航角以及发电功率，构架数据矩阵；

S2.根据所述数据矩阵标记得到静态偏航误差；

S3.基于神经网络，训练关于所述风速、偏航角、发电功率以及静态偏航误差的神经网络学习模型；

S4.获取目标风机的当前风速、偏航角以及发电功率数据，输入至训练好的所述神经网络学习模型，预测所述目标风机的静态偏航误差的角度进行输出。

2.根据权利要求1所述的风力发电机SCADA偏航数据的偏航静态偏差角预测方法，其特征在于，步骤S2.根据所述数据矩阵标记得到静态偏航误差，包括：

采用PCA主成分分析法，对以风机风速、发电功率、偏航角为相关特征的数据矩阵进行数据降维，得到相应的不同数据情况下的偏差角。

3.根据权利要求2所述的风力发电机SCADA偏航数据的偏航静态偏差角预测方法，其特征在于，步骤S3.包括：

所述神经网络为对抗神经网络和/或深度神经网络，其特征工程提取出的特征向量具有预设的形状和维度，以提取的结果为素材，设定算法模型训练参数，得到神经网络训练学习模型。

4.根据权利要求3所述的风力发电机SCADA偏航数据的偏航静态偏差角预测方法，其特征在于，所述特征向量的形状和维度即数据矩阵进行降维处理的结果，不同风机的风速、偏航角、发电功率及标记得到对应的偏差角，构成数据样本集，作为训练参数，采用k折交叉验证的方式，训练学习模型并验证模型的准确率。

5.根据权利要求4所述的风力发电机SCADA偏航数据的偏航静态偏差角预测方法，其特征在于：

获得的数据样本集划分为运行正常的数据样本和出现故障的数据样本，分别为正例和反例，输入到所述神经网络训练学习模型中；

同一批输入数据样本集，使用k折交叉验证算法，获取的K个样本，其中K-1个作为测试集，一个样本作为训练集，进行迭代计算。

6.一种实施权利要求1-5任意一项所述方法的预测系统，其特征在于，包括

数据获取模块：用于获取时间段内不同风机的风速、偏航角以及发电功率，构架数据矩阵；

数据处理模块：用于根据所述数据矩阵标记得到静态偏航误差；

参数训练模块：用于基于神经网络，训练关于所述风速、偏航角、发电功率以及静态偏航误差的神经网络学习模型；

数据预测模块：用于获取目标风机的当前风速、偏航角以及发电功率数据，输入至训练好的所述神经网络学习模型，预测所述目标风机的偏差角进行输出。

7.一种包括权利要求6所述的预测系统的智能诊断系统，其特征在于，还包括文件管理系统和版本管理系统；

预测系统，用于训练关于风机风速、偏航角、发电功率以及静态偏航误差的神经网络学习模型；

文件管理系统，用于存储预测系统训练的所述神经网络学习模型，并提供TensorFlow服务给版本管理系统；

版本管理系统，用于保存和管理所述文件管理系统中的神经网络学习模型的版本数据信息，以供客户端通过服务句柄访问并获取相应的神经网络学习模型后执行预测任务。

8.根据权利要求7所述的智能诊断系统，其特征在于，提供持续训练数据管道，以使不同的数据通过预测系统后构造为不同版本的模型，供客户端请求获取。

9.根据权利要求7所述的智能诊断系统，其特征在于，还包括用户交互界面，用于数据或指定的输入以及数据的展示。