专利类型：发明专利
语 言：中文
申 请 号：CN201510968369.6
申 请 日：20151222
发 明 人：任洲洋代溢张楠江帆黄正波王聪刘明君崔惟李丹丁冲
申 请 人：重庆大学
申请人地址：400044 重庆市沙坪坝区沙正街174号
公 开 日：20180907
公 开 号：CN105512492B
代 理 人：王翔
代理机构：重庆大学专利中心 50201
摘 要：本发明公开了一种潮汐流能发电机输出功率的概率建模方法，利用计算机，通过程序，先输入潮汐流速的实测数据、聚类数以及潮汐流能发电机的参数，再基于k类均值聚类方法得到各类数据的聚类中心，以表征潮汐流速日变化的规律性；其次，根据聚类中心，计算各时刻潮汐流速随机分量的实测数据样本，以表征潮汐流速的随机波动性；然后，基于非参数核密度估计理论依次估计各时刻潮汐流速随机分量的概率密度函数，并产生随机样本；接着，根据聚类中心和各时刻潮汐流速随机分量的随机样本，产生潮汐流速的日随机样本；最后，根据潮汐流速和潮汐流能发电机输出功率之间的函数关系，得到潮汐流能发电机输出功率的日样本。
主 权 项：1.一种潮汐流能发电机输出功率的概率建模方法，其特征在于：利用计算机内储存的程序实现以下方法：先输入潮汐流速的实测数据、聚类数以及潮汐流能发电机的参数，再基于k均值聚类方法得到各类数据的聚类中心，以表征潮汐流速日变化的规律性；其次，根据聚类中心，计算各时刻潮汐流速随机分量的实测数据样本，以表征潮汐流速的随机波动性；然后，基于非参数核密度估计理论依次估计各时刻潮汐流速随机分量的概率密度函数，并产生随机样本；接着，根据聚类中心和各时刻潮汐流速随机分量的随机样本，产生潮汐流速的日随机样本；最后，根据潮汐流速和潮汐流能发电机输出功率之间的函数关系，得到潮汐流能发电机输出功率的日样本；所述方法的具体步骤如下；(1)输入实测数据样本和潮汐流能发电机的参数；输入潮汐流速n天每天d个时刻的实测数据样本vij，第i天的潮汐流速实测数据样本为Vi＝[vi1,vi2,...,vid]，其中i＝1,2,...,n，j＝1,2,...,d，d为日时刻数；输入聚类数k；输入潮汐流能发电机的获能系数Cp；海水密度ρ；潮汐流能发电机叶片扫过的面积A；潮汐流能发电机的切入流速Vcutin、额定流速Vrated、额定输出功率Prated；(2)产生聚类中心；第(1)步完成后，根据第(1)步输入的实测数据，基于k均值聚类方法将潮汐流速的日样本进行分类，并得到各类的聚类中心，具体步骤如下；I)选择初始聚类中心；根据第(1)步输入的潮汐流速n天每天d个时刻的实测数据样本vij以及聚类数k，其中i＝1,2,...,n，j＝1,2,...,d，d为日时刻数；将前k个日样本V1,V2,...,Vk分别设置为k类的聚类中心S1,S2,...,Sk；其中，第h类的聚类中心为Sh＝[sh1,sh2,...,shd]，其中h＝1,2,...,k，d为日时刻数；II)计算每个日样本到各聚类中心的距离；第I)步完成后，根据潮汐流速n天每天d个时刻的实测数据样本vij，其中i＝1,2,...,n，j＝1,2,...,d，d为日时刻数，以及k个初始聚类中心V1,V2,...,Vk，利用公式(1)依次计算每个日样本到各聚类中心的距离；![]()
式中，Dhi为潮汐流速的第i个日样本Vi＝[vi1,vi2,...,vid]到第h类的聚类中心Sh＝[sh1,sh2,...,shd]的距离，其中i＝1,2,...,n,h＝1,2,...,k，d为日时刻数；III)将潮汐流速的日样本聚类；第II)步完成后，根据每个日样本到各聚类中心的距离大小进行聚类，潮汐流速的第i个日样本Vi＝[vi1,vi2,...,vid]，其中i＝1,2,...,n，d为日时刻数，Vi到各聚类中心的距离分别为D1i，D2i，...，Dki，其中k为聚类数；将日样本归属到与其距离最近的类别中，当Dci为[D1i，D2i，...，Dki]中的最小值，其中1≤c≤k，i＝1,2,...,n，则将Vi归属到第c类；根据聚类结果，统计各类数据中的日样本个数nh，其中h＝1,2,...,k；IV)重新计算各类的聚类中心；第III)步完成后，利用公式(2)重新计算各类的聚类中心Sh＝[sh1,sh2,...,shd]中的各元素，其中h＝1,2,...,k，j＝1,2,...,d，k为聚类数，d为日时刻数；![]()
式中，shj为第h类聚类中心Sh中的第j个元素，其中j＝1,2,...,d；nh为第h类中的日样本个数，其中h＝1,2,...,k，j＝1,2,...,d，k为聚类数；vlj为第h类中第l个日样本中第j个时刻的潮汐流速，其中l＝1,2,...,nh，j＝1,2,...,d；然后，返回到步骤II)，如此循环，直到相邻两次循环所得到的聚类中心保持不变，跳转至步骤(3)；(3)产生潮汐流速的日随机样本；第(2)?III)步完成后，根据第(1)步输入的潮汐流速n天每天d个整点时刻的实测数据vij，其中i＝1,2,...,n，j＝1,2,...,d，以及第(2)步计算得到的聚类中心Sh＝[sh1,sh2,...,shd]，其中h＝1,2,...,k，j＝1,2,...,d，k为聚类数，基于非参数核密度估计理论估计各小时潮汐流速随机分量的概率密度函数，并产生得到潮汐流速的日随机样本；具体步骤如下；i)随机选择潮汐流速实测数据的类别；根据第(2)步的聚类结果，利用公式(3)和(4)计算各类的累积概率；![]()
![]()
式中，n为潮汐流速实测数据的日样本数，nh为第h类中的日样本个数，Ph为第h类的概率、Fh为第h类的累积概率，其中h＝1,2,...,k，k为聚类数；然后，利用计算机，在[0,1]区间内产生服从均匀分布的随机数rp，并利用公式(5)选择实测数据的类别；Fh?1＜rp＜Fh?????(5)式中，Fh?1为第h?1类的累积概率，Fh为第h类的累积概率；满足公式(5)所示条件的类别h即为所选类别；ii)计算各小时潮汐流速随机分量的实测数据样本；第i)步完成后，根据第h类的聚类中心Sh＝[sh1,sh2,...,shd]和第h类中的日样本Vl＝[vl1,vl2,...,vld]，其中l＝1,2,...,nh，h＝1,2,...,k，k为聚类数，d为日时刻数；利用公式(6)计算第h类中各小时潮汐流速随机分量rj的实测数据样本rlj，其中l＝1,2,...,nh,j＝1,2,...,d，d为日时刻数；rlj＝vlj?shj????(6)式中，rlj为第h类中第j个时刻潮汐流速随机分量的第l个实测数据样本，其中l＝1,2,...,nh,j＝1,2,...,d，d为日时刻数；shj为第h类聚类中心Sh中的第j个元素，其中j＝1,2,...,d；nh为第h类中日样本的个数，其中h＝1,2,...,k，k为聚类数；vlj为第h类中第l个日样本中第j个时刻潮汐流速的实测数据，其中l＝1,2,...,nh,j＝1,2,...,d；iii)估计各时刻潮汐流速随机分量的概率密度函数；第ii)步完成后，根据第h类中各小时潮汐流速随机分量rj的实测数据样本rlj，其中l＝1,2,...,nh,j＝1,2,...,d，d为日时刻数；利用公式(7)依次计算第h类中各小时潮汐流速随机分量rj的非参数核密度估计带宽参数bhj，其中h＝1,2,...,k，j＝1,2,...,d，k为聚类数；bhj＝1.06σjnh?1/5??????(7)式中，σj为第h类中,第j个时刻潮汐流速随机分量实测数据样本的标准差，nh为第h类中日样本的个数，其中h＝1,2,...,k，j＝1,2,...,d，k为聚类数，d为日时刻数；然后，基于非参数核密度估计理论依次估计第h类中各小时潮汐流速随机分量rj的概率密度函数f(rj)，其中j＝1,2,...,d，计算公式为：![]()
式中,rj为第h类中第j个时刻潮汐流速的随机分量，rlj为第h类中时刻j潮汐流速随机分量的第l个实测数据样本，nh为第h类中日样本的个数，bhj为第h类中第j个时刻潮汐流速随机分量的非参数核密度估计带宽参数，G为标准正态分布函数；其中h＝1,2,...,k，j＝1,2,...,d，l＝1,2,...,nh，k为聚类数，d为日时刻数；iv)计算各时刻潮汐流速随机分量的取值区间；第iii)步完成后，根据第h类中各时刻潮汐流速随机分量rj的实测数据样本，其中j＝1,2,...,d，d为日时刻数，利用公式(9)和(10)计算其取值区间[aj,bj]；![]()
![]()
式中,bj，aj分别为第h类中第j个时刻潮汐流速随机分量rj的取值上、下限；r1j，r2j，![]()
分别为第h类中第j个时刻潮汐流速随机分量rj的第1、第2、第nh个实测数据样本,其中j＝1,2,...,d，d为日时刻数，nh为第h类中日样本的个数；v)计算各时刻潮汐流速随机分量的概率密度函数最大值；第iv)步完成后，根据第h类中潮汐流速随机分量rj的实测数据样本，其中j＝1,2,...,d，利用公式(8)，计算f(rj)在各实测数据处的函数值f(r1j)，f(r2j)，...，![]()
然后，利用公式(11)计算rj的概率密度函数最大值frjmax；![]()
式中，r1j，r2j，![]()
分别为第h类中第j个时刻潮汐流速随机分量rj的第1、第2、第nh个实测数据样本，f(r1i)，f(r2i)，![]()
分别为r1j，r2j，![]()
的概率密度函数值，nh为第h类中日样本的个数；vi)产生各时刻潮汐流速随机分量的随机样本；第v)步完成后，利用计算机，在[0,1]区间内产生服从均匀分布的随机数Rrj、Rpj，根据公式(12)计算随机样本rpj；rpj＝Rpj(bj?aj)+aj??????(12)然后，根据公式(8)计算rpj的概率密度函数值f(rpj)，其中j＝1,2,...,d，d为日时刻数，p是一个标记符号；当满足公式(13)所示条件时，将rpj作为第j个时刻潮汐流速随机分量的随机样本rsj，并令rsj＝rpj；否则，利用计算机，在[0,1]区间内重新产生随机数Rrj、Rpj，并计算rpj和f(rpj)，直至公式(13)所示的条件满足为止；Rrj≤f(rpj)/frjmax???(13)式中，frjmax为rpj的概率密度函数最大值；根据公式(12)和(13)依次生成各时刻潮汐流速随机分量的随机样本Rs＝[rs1,rs2,...,rsd]，其中s为标记符，d为日时刻数；vii)产生潮汐流能发电机输出功率的日样本；第vi)步完成后，根据第h类的聚类中心Sh＝[sh1,sh2,...,shd]和各时刻潮汐流速随机分量的随机样本Rs＝[rs1,rs2,...,rsd]，其中d为日时刻数，利用公式(14)，计算潮汐流速的日样本；vsj＝shj+rsj??????(14)式中，vsj为第j个时刻潮汐流速的随机样本，shj为第h类聚类中心的第j个元素，rsj为第j个时刻潮汐流速随机分量的随机样本，其中j＝1,2,...,d，d为日时刻数；潮汐流速的日随机样本Vs＝[vs1,vs2,...,vsd]；然后，根据潮汐流速的日随机样本Vs＝[vs1,vs2,...,vsd]，利用公式(15)依次计算各时刻潮汐流能发电机的输出功率；![]()
式中，Pj为第j个时刻潮汐流能发电机的输出功率；vsj为潮汐流速日随机样本Vs＝[vs1,vs2,...,vsd]中的第j个元素,其中j＝1,2,...,d，d为日时刻数；Cp为潮汐流能发电机的获能系数，ρ为海水密度，A潮汐流能发电机叶片扫过的面积，Vcutin、Vrated、Prated分别为潮汐流能发电机的切入流速、额定流速、额定输出功率；至此建模结束,潮汐流能发电机输出功率的日样本为P＝[P1,P2,...,Pd]，d为日时刻数。
关 键 词：潮汐;潮汐流;发电机输出功率;聚类中心;随机分量;随机样本;概率建模;实测数据;样本;概率密度函数;核密度估计;随机波动性;函数关系;均值聚类;非参数;发电机;聚类;规律性;计算机
法律状态：授权
IPC专利分类号：G06F17/50(2006.01)I
