基于特征自适应选择和WDNN的风电爬坡事件预测方法

本发明涉及风电爬坡事件预测技术领域，提供一种基于特征自适应选择和WDNN的风电爬坡事件预测方法。首先采集风机运行原始数据集并对其进行归一化；然后构建风电爬坡事件样本集PTr；接着基于特征自适应选择方法，从样本集PTr中选出相关样本集，并对每个相关样本中有功功率构成的信号进行小波分解，将分解得到的信号与温度及类别标签数据进行组合，得到分解后的样本集；再以分解后的样本集中除类别标签之外的变量为输入、类别标签为输出，构建并训练基于DNN的风电爬坡事件预测模型；最后实时采集并处理风机运行原始数据，利用训练后的预测模型输出对应的类别标签。本发明能够优化风电爬坡事件预测模型的输入变量，提高预测的精度。