买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：长江水利委员会长江科学院;中国长江电力股份有限公司

摘要：本发明公开了一种基于KNN机器学习算法的水电站耗水率计算方法，属于耗水率计算技术领域，包括以下步骤：S1、数据预处理，收集历史运行数据，并按照对应关系格式将其构建为二维数据集[XHistory，YHistory]；S2、构建KNN预测模型，基于输入的历史耗水率及其对应的历史特征变量数据，根据KNN算法预测原理构建模型，结合输入的特征变量进行特征距离计算，得出最接近该特征变量组合的对应耗水率；S3、调整模型参数，通过调整参数来得到最精确的耗水率计算结果，本发明提供的一种基于KNN机器学习算法的水电站耗水率计算方法，可以解决梯级电站经济运行计算过程中，耗水率计算误差较大，影响电站经济运行规划的问题。

主权项：1.一种基于KNN机器学习算法的水电站耗水率计算方法，其特征在于，包括以下步骤：步骤1、数据预处理，收集历史运行数据并按对应关系格式构建二维数据集[XHistory，YHistory]，YHistory为电站历史耗水率，YHistory为n*1矩阵，XHistory代表电站历史耗水率对应的历史特征变量，XHistory为n*m矩阵，m指历史特征变量包含数据数量，n代表历史特征变量组数；步骤2、构建KNN预测模型，根据输入的电站历史耗水率及对应的历史特征变量数据，根据KNN算法的预测原理构建模型，根据输入的历史特征变量进行特征距离计算，得出最接近该历史特征变量组合的对应的电站历史耗水率耗水率；步骤3、调整模型参数，模型参数主要包括算法k值、距离计算方法、特征变量权重矩阵、以及条件约束的约束值；步骤1的具体过程如下：S11、确定计算时段；S12、调整数据格式，将电站历史耗水率对应的历史特征变量构建为二维数据集[XHistory，YHistory]，XHistory：[steps，features]，steps为时间步，对应行，features为特征变量，对应列，每一列数据是同一种特征变量，XHistory为历史特征变量；YHistory为一维数据，数量与steps相同，YHistory为每种特征变量组合对应的电站历史耗水率的数据值；S13、清除空值，相邻时间步之间的计算无相互影响，剔除检索到的空值；features包含时段初电站上游水位时段末电站上游水位时段初电站下游水位时段末电站下游水位电站时均毛水头时均出力Nt，具体表示如下： 其中，一行数据代表一组历史特征变量组合，Yti即为一种组合对应的耗水率；步骤2的具体过程如下：S21、添加约束条件，根据约束对特征变量及耗水率对应的XHistory和YHistory进行筛选，使用筛选后的历史数据矩阵进一步计算；S22、添加特征变量权重，在将特征变量组合成二维矩阵前，对每种特征变量事先赋予一个除数参数，所述除数参数共同构成m行1列的权重矩阵，将特征变量的二维数组与所述权重矩阵进行矩阵法则点乘，对特征变量完成放缩；S23、假设所需计算特征变量组合为[h1,h2,h3,h4,H1,N1]时的耗水率，将[h1,h2,h3,h4,H1,N1]看作一个一维向量，计算[h1,h2,h3,h4,H1,N1]和XHistory中每一行特征变量组合的距离，共n个，n代表n行历史特征变量组合，取其中距离最近的k组历史特征变量组合，进行下一步计算；S24、针对k组历史特征变量组合，以及对应的耗水率值，具体如下： 仅保留电站时均毛水头然后与耗水率Yti构建k*2二维矩阵，具体如下： S25、根据k*2二维矩阵中k种电站时均毛水头与耗水率的对应关系，计算Hgross的对应耗水率，计算方法为按权重进行平均，具体公式如下： YC为模型计算结果，输入计算的特征变量组合所对应的耗水率；ai和bi为权重系数，i代表从1到k的计数，bi为电站时均毛水头欧式距离的倒数，距离越近，计算时权重系数越大，ai是将所有b值进行归一化，使所有系数b的和为1，以对耗水率进行分权平均。

全文数据：

权利要求：

百度查询： 长江水利委员会长江科学院 中国长江电力股份有限公司 一种基于KNN机器学习算法的水电站耗水率计算方法