[发明专利]风速误差模型的训练方法、装置及风力发电机组

摘要

本发明提供一种基于K近邻算法的风速误差模型的训练方法、装置及风力发电机组，其中，方法包括：获取预测风速值，及其对应的实际风速值；计算所述实际风速值与所述预测风速值之间的实际风速误差；以所述预测风速及其对应的所述实际风速误差作为训练样本，采用K近邻算法建立风速误差模型。本发明提供的方案能够显著提高预测风速的准确率。 1

主权项

1.一种基于K近邻算法的风速误差模型的训练方法，其特征在于，包括：

获取预测风速值，并获取对应的实际风速值；

计算所述实际风速值与所述预测风速值之间的实际风速误差；

以所述预测风速值及其对应的所述实际风速误差作为训练样本，采用K近邻算法建立风速误差模型。

2.根据权利要求1所述的方法，其特征在于，所述以所述预测风速值及其对应的所述实际风速误差作为训练样本，采用K近邻算法建立风速误差模型包括：

通过交叉验证方法，选择所述K值。

3.根据权利要求2所述的方法，其特征在于，所述通过交叉验证方法，选择所述K值包括：

步骤一：设置初始K值；

步骤二：将所述训练样本分为训练集和验证集，针对所述验证集中每个第一预测风速值，遍历所述训练集中的每个第二预测风速值，选择K个与所述第一预测风速值距离最相邻的所述第二预测风速值，并将与所述K个第二预测风速值相应的所述实际风速误差的平均值作为所述第一预测风速值的均值误差；

步骤三：计算所述验证集对应的所有所述均值误差和所述均值误差的均方根；

步骤四：多次不重复的将所述训练样本分为训练集和验证集，并执行所述步骤二至步骤三，将得到的多个所述均值误差的均方根的平均值作为当前所述K值的误差；

依次改变所述K值的大小，并针对每个K值执行所述步骤二至所述步骤四，并将得到的所有所述K值的误差中的最小值对应的K值作为所述风速误差模型中的最终K值。

4.根据权利要求1所述的方法，其特征在于，所述以所述预测风速值及其对应的所述实际风速误差作为训练样本，采用K近邻算法建立风速误差模型包括：

将被选择出的K个实际风速误差值的平均值作为所述风速误差模型预测的所述预测风速误差值。

5.根据权利要求1所述的方法，其特征在于，所述以所述预测风速值及其对应的所述实际风速误差作为训练样本，采用K近邻算法建立风速误差模型包括：

将被选择出的K个实际风速误差值，按其对应的所述预测风速值与当前输入值的距离进行加权求和，并将和值作为所述风速误差模型预测的所述预测风速误差值。

6.根据权利要求1‑5中任一种所述的方法，其特征在于，所述方法还包括：

将所述预测风速值经预置的所述基于K近邻算法的风速误差模型进行预测计算，得到相应的预测风速误差；

利用所述预测风速误差对所述预测风速值进行订正。

7.一种基于K近邻算法的风速误差模型的训练装置，其特征在于，包括：

第一数据获取模块，用于获取预测风速值，并获取对应的实际风速值；

误差计算模块，用于计算所述实际风速值与所述预测风速值之间的实际风速误差；

模型构建模块，用于以所述预测风速值及其对应的所述实际风速误差作为训练样本，采用K近邻算法建立风速误差模型。

8.根据权利要求7所述的装置，其特征在于，所述模型构建模块具体包括：

K值选择单元，用于通过交叉验证方法，选择所述K值。

9.根据权利要求8所述的装置，其特征在于，所述K值选择单元具体用于执行如下步骤：

步骤一：设置初始K值；

步骤二：将所述训练样本分为训练集和验证集，针对所述验证集中每个第一预测风速值，遍历所述训练集中的每个第二预测风速值，选择K个与所述第一预测风速值距离最相邻的所述第二预测风速值，并将与所述K个第二预测风速值相应的所述实际风速误差的平均值作为所述第一预测风速值的均值误差；

步骤三：计算所述验证集对应的所有所述均值误差和所述均值误差的均方根；

步骤四：多次不重复的将所述训练样本分为训练集和验证集，并执行所述步骤二至步骤三，将得到多个所述均值误差的均方根的平均值作为当前所述K值的误差；

依次改变所述K值的大小，并针对每个K值执行所述步骤二至所述步骤四，并将得到的所有所述K值的误差中的最小值对应的K值作为所述风速误差模型中的最终K值。

10.根据权利要求7所述的装置，其特征在于，所述模型构建模块具体包括：

第一结果选择单元，用于将被选择出的K个实际风速误差值的平均值作为所述风速误差模型预测的所述预测风速误差值。

11.根据权利要求7所述的装置，其特征在于，所述模型构建模块具体包括：

第二结果选择单元，用于将被选择出的K个实际风速误差值，按其对应的所述预测风速值与当前输入值的距离进行加权求和，并将和值作为所述风速误差模型预测的所述预测风速误差值。

12.根据权利要求7‑11中任一种所述的装置，其特征在于，所述装置还包括：

风速误差预测模块，用于将所述预测风速值经预置的所述基于K近邻算法的风速误差模型进行预测计算，得到相应的预测风速误差；

风速订正模块，用于利用所述预测风速误差对所述预测风速值进行订正。

13.一种风力发电机组，其特征在于，包括：设置有权利要求7‑12中任一项所述的基于K近邻算法的风速误差模型的训练装置。