[发明专利]基于滑动窗口特征数据拟合的风力发电机功率曲线修正方法

权利要求书

1.一种基于滑动窗口特征数据拟合的风力发电机功率曲线修正方法，具体实施包括以下步骤：

步骤1：采用密度峰值聚类算法对风速-功率数据集进行预处理，剔除异常数据点，得到样本点数据；

步骤2：建立窗口，利用窗口提取出局部样本点数据集；

步骤3：采用引力搜索算法获得能够代表窗口内数据整体分布特性的特征点；

步骤4：通过滑动窗口，得到一系列特征点，并将这些特征点数据作为拟合点；

步骤5：利用最小二乘多项式拟合一系列特征点，得到风力发电机功率曲线修正模型。

2.根据权利要求1所述的一种基于滑动窗口特征数据拟合的风力发电机功率曲线修正方法，其特征在于：采用密度峰值聚类算法对风速-功率数据集进行预处理，

密度峰值聚类算法的处理效果取决于局部密度ρ_i和与更高密度点之间的距离δ_i，

数据点i的局部密度ρ_i的计算公式为，

其中，d_ij为每一个数据到具有更高局部密度点的距离，d_c为截断距离，令x＝d_ij-d_c，若x＜0，则χ(x)＝1，否则χ(x)＝0，

距离δ_i为数据点i到任何比其密度大的点的距离的最小值，计算公式为，

其中，对于密度最大的点，

将具有高δ_i和低ρ_i的数据点标记为异常数据点进行剔除处理。

3.根据权利要求1所述的一种基于滑动窗口特征数据拟合的风力发电机功率曲线修正方法，其特征在于：建立一窗口，利用窗口提取局部数据集，

构建宽度为d的窗口，以切入风速作为第1个滑动窗口的最小边界，则第i个窗口可表示为，

v′_i＝v_i+d

其中，v_i为第i个窗口的最小边界，i＝1，2，3，…m，m为窗口总数；v′_i为第i个窗口的最大边界。

4.根据权利要求1所述的一种基于滑动窗口特征数据拟合的风力发电机功率曲线修正方法，其特征在于：采用引力搜索算法获取能够代表窗口内数据整体分布特性的特征点；

运用引力搜索算法提取特征点的具体步骤如下：

(1)随机初始化粒子的位置

(2)将粒子所在位置与窗口内所有数据点位置的欧式距离之和作为适应度函数fit(t)，计算最小粒子适应度，

(3)更新变量G(t)，f_best和f_worst，f_best为最优适应度，f_worst为最差适应度，

(4)计算粒子i所受合力F_i^d(t)，

(5)计算粒子i的加速度

(6)更新粒子速度和位置

(7)如果满足终止条件，结束迭代；否则重复步骤(2)至(6)，直到超过最大迭代次数后停止。

5.根据权利要求1所述的一种基于滑动窗口特征数据拟合的风力发电机功率曲线修正方法，其特征在于：通过滑动窗口得到一系列特征点，并将这些特征点数据作为拟合点，

对窗口进行滑动，则第i+1个窗口可表示为，

v_i+1＝v_i+s

其中，v_i+1为第i+1个窗口的最小边界值，s为滑动步长，

通过滑动窗口从切入风速至切出风速，得到不同窗口下的特征中心点，将其作为风力发电机功率曲线拟合点。

6.根据权利要求1所述的一种基于滑动窗口特征数据拟合的风力发电机功率曲线修正方法，其特征在于：利用最小二乘多项式对一系列特征点进行曲线拟合，得到风力发电机功率曲线修正模型，

设拟合曲线的多项式为，

f_P(v)＝a₀+a₁v+…+a_mv^m

其中，a₁，a₂…a_m为待求的系数，

各拟合点到这条曲线距离的偏差平方和为，

根据最小偏差平方和得到多项式系数，则目标函数为，

对a_m求偏导数，则，

简化后可的范德蒙得矩阵为，

通过求解得到多项式系数a₁，a₂…a_m，因此，可以得到拟合风力发电机功率曲线的多项式。