[发明专利]基于两阶段集成学习的风电异常数据识别方法有效
| 申请号： | 201510484365.0 | 申请日： | 2015-08-10 |
| 公开（公告）号： | CN105069476B | 公开（公告）日： | 2018-12-11 |
| 发明（设计）人： | 耿天翔;丁茂生;李峰;葛俊;胡伟;郑乐 | 申请（专利权）人： | 国网宁夏电力公司;清华大学;国家电网公司 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 北京清亦华知识产权代理事务所(普通合伙) 11201 | 代理人： | 张大威 |
| 地址： | 750001 宁夏*** | 国省代码： | 宁夏;64 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于两阶段集成学习的风电异常数据识别方法，包括以下步骤：S1：提取风电异常数据参数；S2：根据所述风电异常数据参数生成训练样本和测试样本；S3：利用随机森林训练所述训练样本得到随机森林模型：S4：根据所述随机森林模型，利用梯度迭代决策树训练所述训练样本得到梯度迭代决策树模型；以及S5：根据所述随机森林模型和所述梯度迭代决策树模型分别预测所述测试样本得到预测结果。本发明具有如下优点：提高了风电异常数据识别的准确率。 | ||
| 搜索关键词： | 基于 阶段 集成 学习 异常 数据 识别 方法 | ||
【主权项】：
1.一种基于两阶段集成学习的风电异常数据识别方法，其特征在于，包括以下步骤：S1：提取风电异常数据参数；S2：根据所述风电异常数据参数生成训练样本和测试样本；S3：利用随机森林训练所述训练样本得到随机森林模型，其中，所述步骤S3进一步包括：S301：使用原始的标记值训练所述训练样本；S302：调节所述训练样本的正负比例和参数模型，得到所述随机森林模型：S4：根据所述随机森林模型，利用梯度迭代决策树训练所述训练样本得到梯度迭代决策树模型，其中，所述步骤S4进一步包括：使用所述随机森林模型的输出作为所述训练样本的目标值，利用梯度迭代决策树训练所述训练样本并调节模型参数，得到所述梯度迭代决策树模型；以及S5：根据所述随机森林模型和所述梯度迭代决策树模型分别预测所述测试样本得到预测结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于国网宁夏电力公司;清华大学;国家电网公司，未经国网宁夏电力公司;清华大学;国家电网公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201510484365.0/，转载请声明来源钻瓜专利网。
- 上一篇：一种双动力波轮装置
- 下一篇：具有输送带带动的布匹交叉循环染色机
