[发明专利]风电场故障场景预测模型的生成方法、装置和计算机设备

说明书

本申请涉及一种风电场故障场景预测模型的生成方法、装置和计算机设备，包括：获取风电场的第一样本数据，将第一样本数据划分为原训练集和原测试集；通过原训练集对预设的集成模型中的多个初级分类器分别进行k折交叉验证训练，得到训练完成的各个初级分类器的输出结果；通过原测试集对训练完成的各个初级分类器进行测试，得到训练完成的各个初级分类器的预测准确率；根据训练完成的各个初级分类器的输出结果、预测准确率和第一样本数据，得到第二样本数据；通过第二样本数据对集成模型中的次级分类器进行训练，得到训练完成的集成模型，作为风电场故障场景的预测模型。采用本方法能够实现风电场在不同故障场景的准确预测分析。

技术领域

本申请涉及故障识别技术领域，特别是涉及一种风电场故障场景预测模型的生成方法、装置、计算机设备、存储介质和计算机程序产品。

背景技术

目前，针对风机、风电场的故障预测已开展了部分研究，如基于混合模型的风机叶片结冰故障预测系统，预测准确率超过了82％，另有研究对风电机组各部件故障进行了预测研究。

然而，针对风电场的故障场景预测研究几乎都局限于某单类型故障，部分研究主要面向单一的故障类型与故障特征，对气象等外源数据与所需判别故障类型采用端到端的基于数据驱动的预测与判别计算，预测精度也有待提高。

发明内容

基于此，有必要针对上述技术问题，提供一种可有效地预测风电场多类故障场景的风电场故障场景预测模型的生成方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

第一方面，本申请提供了一种风电场故障场景预测模型的生成方法。所述方法包括：

获取风电场的第一样本数据，并将所述第一样本数据划分为原训练集和原测试集；

通过所述原训练集对预设的集成模型中的多个初级分类器分别进行k折交叉验证训练，得到训练完成的各个初级分类器的输出结果；所述输出结果包括对风电场的每种故障场景的预测概率；

通过所述原测试集对所述训练完成的各个初级分类器进行测试，得到训练完成的各个初级分类器的预测准确率；

根据所述训练完成的各个初级分类器的输出结果、所述预测准确率和所述第一样本数据，得到第二样本数据；

通过所述第二样本数据对所述集成模型中的次级分类器进行训练，得到训练完成的集成模型，作为风电场故障场景的预测模型。

在其中一个实施例中，所述根据所述训练完成的各个初级分类器的输出结果、所述预测准确率和所述第一样本数据，得到第二样本数据，包括：

根据所述训练完成的各个初级分类器的预测准确率，确定所述训练完成的各个初级分类器的特征权重；

根据所述训练完成的各个初级分类器的特征权重，对所述训练完成的各个初级分类器的输出结果进行加权处理，得到新的输出结果；

将所述新的输出结果和所述第一样本数据，组成第二样本数据。

在其中一个实施例中，所述根据所述训练完成的各个初级分类器的预测准确率，确定所述训练完成的各个初级分类器的特征权重，包括：

按照特征权重与预测准确率成正相关的关系，根据所述训练完成的各个初级分类器的预测准确率，确定所述训练完成的各个初级分类器的特征权重。

在其中一个实施例中，所述获取风电场的第一样本数据，包括：

获取风电场的原始数据；

基于所述风电场的原始数据与风电场的故障场景、故障影响容量之间的相关度，从所述原始数据中选取出相关度大于阈值的数据，作为第一样本数据。

在其中一个实施例中，所述从所述原始数据中选取出相关度大于阈值的数据，作为第一样本数据，包括：