公开(公告)号：CN104951851B

公开(公告)日：2018-07-20

申请号：CN201510395925.5

申请日：2015-07-08

Applicant: 华侨大学

Inventor： 方瑞明 ,  李玉洁

IPC: G06Q10/04 ,  G06Q50/06

CPC classification number: Y04S10/54

Abstract: 本发明公开了一种基于灰关联回归支持向量机的风电机组状态预测模型建立方法，包括确定输入变量、回归支持向量机训练建模和预测阶段。标准支持向量机状态预测模型输入向量多、数据冗余、预测精度不佳、模型训练时间长等问题，本发明提出了一种基于灰关联‑回归支持向量机的风电机组状态预测模型建立方法，为保障机组安全运行、降低非计划停机次数提供坚实的技术支持对传统方法进行改进，将两种方法巧妙结合，建立了状态预测模型，以简单实用的方法实现了风力发电机组状态的预测，由于对各监测项目进行了灰关联度分析，筛选出了主因素，剔除掉不相关信息，因此本发明预测精度高、模型训练时间短、切实可行。

公开(公告)号：CN104951851A

公开(公告)日：2015-09-30

申请号：CN201510395925.5

申请日：2015-07-08

Applicant: 华侨大学

Inventor： 方瑞明 ,  李玉洁

IPC: G06Q10/04 ,  G06Q50/06

CPC classification number: Y04S10/54

Abstract: 本发明公开了一种基于灰关联回归支持向量机的风电机组状态预测模型建立方法，包括确定输入变量、回归支持向量机训练建模和预测阶段。标准支持向量机状态预测模型输入向量多、数据冗余、预测精度不佳、模型训练时间长等问题，本发明提出了一种基于灰关联-回归支持向量机的风电机组状态预测模型建立方法，为保障机组安全运行、降低非计划停机次数提供坚实的技术支持对传统方法进行改进，将两种方法巧妙结合，建立了状态预测模型，以简单实用的方法实现了风力发电机组状态的预测，由于对各监测项目进行了灰关联度分析，筛选出了主因素，剔除掉不相关信息，因此本发明预测精度高、模型训练时间短、切实可行。