龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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：重庆大学
摘要：本发明公开了一种基于优化支持向量机的山地风力机疲劳载荷及功率预测方法，包括如下步骤：步骤一：数据采集和预处理；步骤二：基于支持向量机构建得到山地风力机疲劳载荷及功率预测模型；步骤三：训练山地风力机疲劳载荷及功率预测模型，使用人工蜂群算法优化支持向量机的超参数，得到具有最优超参数的山地风力机疲劳载荷及功率预测模型；步骤四：对训练完成的山地风力机疲劳载荷及功率预测模型的预测性能进行测试；步骤五：山地风力机疲劳载荷及功率预测：将实时采集的包括风力机风轮平面内测点风速、轮毂位置处的湍流度、桨距角和转子转速的输入数据输入到山地风力机疲劳载荷及功率预测模型中，输出预测得到的山地风力机疲劳载荷及功率。
主权项：1.一种基于优化支持向量机的山地风力机疲劳载荷及功率预测方法，其特征在于：包括如下步骤：步骤一：数据采集和预处理11采集风力机风轮平面内测点风速、轮毂位置处的湍流度、桨距角、转子转速、山地风力机疲劳载荷及功率数据，得到山地地形下风力机性能参数数据库；12采用灰色关联分析方法对输入数据和输出数据的相关性进行分析，筛选高关联度特征以实现输入降维；输入数据包括风力机风轮平面内测点风速、轮毂位置处的湍流度、桨距角和转子转速；输出数据包括山地风力机疲劳载荷及功率数据；13对筛选后的数据进行归一化处理，将归一化处理后的山地地形下风力机性能参数数据库按8:2划分为训练集和测试集；步骤二：构建山地风力机疲劳载荷及功率预测模型基于支持向量机构建得到山地风力机疲劳载荷及功率预测模型；步骤三：训练山地风力机疲劳载荷及功率预测模型采用训练集训练山地风力机疲劳载荷及功率预测模型，使用人工蜂群算法优化支持向量机的超参数，得到具有最优超参数的山地风力机疲劳载荷及功率预测模型；步骤四：测试山地风力机疲劳载荷及功率预测模型采用测试集对训练完成的山地风力机疲劳载荷及功率预测模型的预测性能进行测试；步骤五：山地风力机疲劳载荷及功率预测将实时采集的包括风力机风轮平面内测点风速、轮毂位置处的湍流度、桨距角和转子转速的输入数据输入到山地风力机疲劳载荷及功率预测模型中，输出预测得到的山地风力机疲劳载荷及功率。
全文数据：
权利要求：
百度查询： 重庆大学 基于优化支持向量机的山地风力机疲劳载荷及功率预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号