劉 姝，關(guān) 新，郭 瑞，陳 琳

(沈陽(yáng)工程學(xué)院 新能源學(xué)院，遼寧 沈陽(yáng)110136)

1 研究方法

數(shù)據(jù)挖掘就是從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的數(shù)據(jù)中，提取隱含在其中的未知信息和知識(shí)的過(guò)程。粗糙集是數(shù)據(jù)挖掘的一種分類算法，粗糙集理論認(rèn)為知識(shí)是所有物種所具有分類的能力，對(duì)推理與決策具有重要的意義。知識(shí)必須與具體或抽象世界中特定部分相關(guān)的各種分類模式聯(lián)系在一起，這種特定部分稱為所討論的全域或論域。應(yīng)用數(shù)據(jù)挖掘技術(shù)對(duì)風(fēng)電機(jī)組在運(yùn)行過(guò)程中產(chǎn)生的大量歷史數(shù)據(jù)進(jìn)行分析，應(yīng)用數(shù)據(jù)分類的方法構(gòu)建模型，發(fā)現(xiàn)風(fēng)電機(jī)組在運(yùn)行狀態(tài)時(shí)數(shù)據(jù)中存在的規(guī)律，進(jìn)行分類并對(duì)其趨勢(shì)進(jìn)行預(yù)測(cè)，從而為專家系統(tǒng)提供決策依據(jù)。

采用基于粗糙集理論的數(shù)據(jù)挖掘方法進(jìn)行數(shù)據(jù)類別劃分，首先要獲取風(fēng)電機(jī)組運(yùn)行時(shí)的大量數(shù)據(jù)，以1 MW風(fēng)電機(jī)組幾年來(lái)在風(fēng)場(chǎng)運(yùn)行的數(shù)據(jù)為例，把各種工況下運(yùn)行的歷史參數(shù)記錄組成數(shù)據(jù)庫(kù)，構(gòu)成了數(shù)據(jù)挖掘的樣本數(shù)據(jù)集合。然后利用粗糙集理論的智能數(shù)據(jù)處理方法，無(wú)需先驗(yàn)專業(yè)知識(shí)，便可從數(shù)據(jù)中發(fā)現(xiàn)蘊(yùn)含的知識(shí)模式，找出屬性間的依賴性。在保持分類能力的前提下，約簡(jiǎn)消除冗余的屬性及屬性值，獲取最小的產(chǎn)生式分類決策規(guī)則集，并通過(guò)關(guān)聯(lián)規(guī)則挖掘，對(duì)風(fēng)電機(jī)組的工作狀態(tài)進(jìn)行功率分析。

2 粗糙集在風(fēng)電機(jī)組最大功率點(diǎn)跟蹤中的應(yīng)用

2.1 粗糙集理論

粗糙集理論是波蘭數(shù)學(xué)家Pawlka在1982年提出的一種新的數(shù)據(jù)分析方法，是用于處理模糊和不確定性知識(shí)的數(shù)學(xué)工具。其主要思想是在保持分類能力不變的前提下，進(jìn)行數(shù)據(jù)預(yù)處理，然后通過(guò)知識(shí)約簡(jiǎn)，有效的分析屬性間的依賴關(guān)系，導(dǎo)出問(wèn)題的決策或分類規(guī)則。

定義1令R是U上的一個(gè)等價(jià)關(guān)系，U/R表示R的所有等價(jià)類構(gòu)成的集合，［x］R表示為包含元素x(x∈U)的R等價(jià)類。因此，一個(gè)知識(shí)庫(kù)就是一個(gè)等價(jià)關(guān)系系統(tǒng)K=(U，R)，U不是空集，是由對(duì)象組成的論域，R是U上的一個(gè)等價(jià)關(guān)系族。

定義2S=(U，A)為一知識(shí)表達(dá)系統(tǒng)，C、D(C?A，D?A)為 2 個(gè)屬性子集，且 CYD=A，CID=φ，C、D分別稱為條件屬性集和決策屬性集，具有條件屬性和決策屬性的知識(shí)表達(dá)系統(tǒng)稱為決策表，記作T=(U，A，C，D)，或簡(jiǎn)稱CD決策表。每一個(gè)屬性子集 P(P?A)決定了1個(gè)一元不可分辨關(guān)系，記為 IND(P)。對(duì)于決策表S=(U，A)不可分辨關(guān)系為IND(P)={(x，y)∈U × U：?a∈P，f(x，a)=f(y，a)}。式中，P 為 U上的二元關(guān)系，x、y均為 U中的任意對(duì)象，P(x)為所有與x具有xPy關(guān)系的y的集合。

定義3屬性集合 B?A，對(duì)某一屬性 a(a∈B)，如果有IND(B)=IND(B-{a})，那么稱 a是 B中不必要的，否則就稱a是B中必要的。如果屬性集合B?A，滿足條件?a∈B：IND(B)≠IND(B-{a})那么B就是A的一個(gè)約簡(jiǎn)。

2.2 決策表的建立

首先確定規(guī)則的個(gè)數(shù)，列出所有的條件并填入條件項(xiàng)，得到初步判定表；然后對(duì)其化簡(jiǎn)，合并相似規(guī)則；最后依據(jù)判定表，選擇測(cè)試數(shù)據(jù)，設(shè)計(jì)測(cè)試用例。

1 MW變速恒頻風(fēng)電機(jī)組采用變速變槳距功率調(diào)節(jié)方式，額定風(fēng)速為12 m/s，切入風(fēng)速為3.5 m/s，切出風(fēng)速為25 m/s，風(fēng)輪直徑為60.62 m。根據(jù)1MW風(fēng)電機(jī)組在風(fēng)場(chǎng)實(shí)際運(yùn)行過(guò)程中產(chǎn)生的大量數(shù)據(jù)，建立知識(shí)表達(dá)的決策表S=(U，A)，以1個(gè)月的數(shù)據(jù)為基數(shù)。以2007年10月份為例，采樣間隔為3，取當(dāng)日日均風(fēng)速、輸出有功功率等作為屬性參數(shù)建立決策表。令論域 U={x1，x2，…，x10}表示 10個(gè)不同的對(duì)象；條件屬性 C={c1，c2，c3，c4}中元素分別表示風(fēng)速、風(fēng)輪轉(zhuǎn)速、葉尖速比、齒輪箱參數(shù)；D=syggg00表示風(fēng)電機(jī)組輸出的有功功率。將目標(biāo)研究數(shù)據(jù)建立成決策系統(tǒng)表，如表1所示。

表1 風(fēng)電機(jī)組工況數(shù)據(jù)決策表

2.3 屬性約簡(jiǎn)的過(guò)程

2.3.1 數(shù)據(jù)預(yù)處理

在數(shù)據(jù)庫(kù)系統(tǒng)中常常有許多含有噪聲、不完整、甚至是不一致的數(shù)據(jù)。例如在1 MW風(fēng)電機(jī)組數(shù)據(jù)的采集過(guò)程中，會(huì)出現(xiàn)操作員的誤操作情況，此時(shí)分析測(cè)出的結(jié)果是錯(cuò)誤數(shù)據(jù)，但該錯(cuò)誤數(shù)據(jù)仍被存放在源數(shù)據(jù)庫(kù)中，這類數(shù)據(jù)的出現(xiàn)會(huì)干擾對(duì)功率點(diǎn)跟蹤狀況的判斷。所以必須依照一定的規(guī)則對(duì)其進(jìn)行預(yù)處理，對(duì)這些數(shù)據(jù)進(jìn)行抽取、轉(zhuǎn)換、清理和集成。采用等距離劃分算法在每個(gè)屬性上根據(jù)用戶給定的參數(shù)T，把屬性值V劃分為距離相等的段，不考慮每個(gè)段中屬性值個(gè)數(shù)的多少。假設(shè)某個(gè)屬性的最大值為 Vmax，最小值為Vmin，用戶給定的參數(shù)為T，則間隔為α=(Vmax-Vmin)/T。因此屬性上的功率跟蹤點(diǎn)為(i=0，1，…，t)，這些點(diǎn)之間的距離相等。

2.3.2 約簡(jiǎn)

知識(shí)簡(jiǎn)約是粗糙集的主要內(nèi)容之一，知識(shí)簡(jiǎn)約也叫做屬性簡(jiǎn)約或者特征提取。在數(shù)據(jù)挖掘過(guò)程中，知識(shí)庫(kù)中存在冗余的知識(shí)，對(duì)這些沒(méi)用的知識(shí)進(jìn)行處理會(huì)浪費(fèi)資源，也會(huì)影響最后的決策。知識(shí)簡(jiǎn)約是在不改變知識(shí)庫(kù)決策能力的前提下，刪除不重要的信息。

在粗糙集理論中，對(duì)知識(shí)進(jìn)行表達(dá)和處理的基本工具是知識(shí)表達(dá)系統(tǒng)，一個(gè)知識(shí)表達(dá)系統(tǒng)可表示為：

其中，U表示對(duì)象集合，R=CYD是屬性集合，C和 D分別為條件屬性和決策屬性集，V∈Vr，r∈R是屬性值的集合，Vr表示屬性r的值域，f是對(duì)象和屬性的函數(shù)，表示U中對(duì)象對(duì)應(yīng)的某個(gè)屬性的取值。

決策表［3］是一類特殊的知識(shí)表達(dá)系統(tǒng)，具有條件屬性和決策屬性，記為

其中，A=CYD是屬性集合，C表示條件屬性，D表示決策屬性。

按照約簡(jiǎn)規(guī)則對(duì)決策表進(jìn)行處理，從表1中可以看出x1和x2對(duì)判斷功率點(diǎn)跟蹤的決策沒(méi)有任何的影響，所以可以直接消去。由于F4和F10只能由x8來(lái)決定，所以 x8保留。依次從表中消去 x1、x2、x3、x7，這樣就把條件屬性進(jìn)行了約簡(jiǎn)，刪除分類規(guī)則中多余的屬性，保留必要的屬性。但這種決策表并不唯一，下面列出的表2只是其中的一種。

約簡(jiǎn)后的決策表保持了與原決策表完全相同的分類能力，但所需的條件屬性減少了一半。這說(shuō)明功率跟蹤點(diǎn)信息中存在的冗余信息在通過(guò)粗糙集的簡(jiǎn)約算法后被消除。

表2 經(jīng)過(guò)粗糙集約簡(jiǎn)后的決策表

若對(duì)表2再做進(jìn)一步的約簡(jiǎn)，消除決策表中的所有協(xié)調(diào)決策規(guī)則中的冗余屬性，可以得到多種最小的決策表，表3是其中的一個(gè)決策表，#號(hào)代表1或者0。

表3 最小決策表

可以看出，表3的結(jié)構(gòu)相對(duì)于表1比較簡(jiǎn)單，最少要通過(guò)2個(gè)屬性確定功率跟蹤點(diǎn)，才能進(jìn)行準(zhǔn)確的跟蹤。

3 系統(tǒng)仿真與結(jié)果分析

由于風(fēng)電場(chǎng)的環(huán)境條件比較惡劣，實(shí)驗(yàn)過(guò)程復(fù)雜，重復(fù)性差，而且控制器在現(xiàn)場(chǎng)研發(fā)具有一定難度，所以建立風(fēng)電機(jī)組的試驗(yàn)平臺(tái)勢(shì)在必行。利用試驗(yàn)平臺(tái)設(shè)定各種不同的風(fēng)速，完成多目標(biāo)控制過(guò)程，并模擬風(fēng)力機(jī)的特性，實(shí)現(xiàn)最大風(fēng)功率研究。

為了進(jìn)一步驗(yàn)證粗糙集數(shù)據(jù)挖掘方法的最大功率研究的有效性，對(duì)1 MW風(fēng)電機(jī)組進(jìn)行了半實(shí)物仿真試驗(yàn)研究，以替代在全實(shí)物平臺(tái)上進(jìn)行的試驗(yàn)研究。利用風(fēng)力發(fā)電機(jī)性能和負(fù)載計(jì)算的集成軟件包BLADE，建立風(fēng)電機(jī)組最大功率跟蹤點(diǎn)并進(jìn)行仿真分析。風(fēng)速隨時(shí)間變化的曲線如圖1和圖2所示。電磁轉(zhuǎn)矩隨時(shí)間變化的曲線如圖3所示。風(fēng)力發(fā)電機(jī)組最大功率跟蹤點(diǎn)曲線如圖4所示。

圖1 低風(fēng)速工況風(fēng)速變化

圖2 高風(fēng)速工況風(fēng)速變化

圖3 電磁轉(zhuǎn)矩

圖4 風(fēng)功率曲線

采用粗糙集數(shù)據(jù)挖掘方法進(jìn)行約簡(jiǎn)，可以從不同方面對(duì)風(fēng)電機(jī)組工作狀況進(jìn)行分析，具有很強(qiáng)的自適應(yīng)能力和學(xué)習(xí)能力，能很快的跟蹤風(fēng)電機(jī)組的最大功率點(diǎn)。

4 結(jié)語(yǔ)

通過(guò)對(duì)1 MW雙饋異步發(fā)電機(jī)組實(shí)際工況產(chǎn)生的大量數(shù)據(jù)進(jìn)行分析，粗糙集的約簡(jiǎn)計(jì)算消除了冗余的條件屬性，實(shí)現(xiàn)對(duì)知識(shí)庫(kù)的精簡(jiǎn)，并得到相應(yīng)的決策表和決策規(guī)則。利用該決策規(guī)則，對(duì)數(shù)據(jù)進(jìn)行了篩選，繪出了功率曲線，對(duì)當(dāng)前風(fēng)速達(dá)到的輸出功率大小進(jìn)行跟蹤。仿真結(jié)果證明了基于粗糙集數(shù)據(jù)挖掘方法不僅減小了特定屬性信息提取的工作量，更在數(shù)據(jù)分析中發(fā)揮了決策的優(yōu)越性。通過(guò)控制系統(tǒng)可以對(duì)風(fēng)電機(jī)組的參數(shù)進(jìn)行調(diào)節(jié)，使風(fēng)力發(fā)電系統(tǒng)始終運(yùn)行在最大功率點(diǎn)的跟蹤曲線上。

［1］閻 樺.基于粗糙集的數(shù)據(jù)挖掘簡(jiǎn)約算法的研究與應(yīng)用［D］.重慶.西南大學(xué)，2006.

［2］邱有強(qiáng)，潘 超，王傳兵，等.基于粗糙集的智能數(shù)據(jù)挖掘算法在風(fēng)機(jī)監(jiān)測(cè)中的應(yīng)用［J］.東北電力大學(xué)學(xué)報(bào)：自然科學(xué)版，2008，28(2)：23-27.

［3］鄭 濤.基于數(shù)據(jù)元標(biāo)準(zhǔn)與粗糙集的數(shù)據(jù)挖掘技術(shù)研究［D］.昆明：西南農(nóng)林大學(xué)，2005.

［4］龐倩超，王宴民.基于粗糙集的數(shù)據(jù)挖掘［J］.北京建筑工程學(xué)院學(xué)報(bào)，2005(4)：28-31.

［5］吳今培，孫德山.現(xiàn)代數(shù)據(jù)挖掘［M］.北京：機(jī)械工業(yè)出版社，2006：15-22.

［6］馬躍峰.基于粗糙集的數(shù)據(jù)挖掘算法的研究［J］.科技信息，2006(S4)：40-41.

［7］胡友林，侯澍旻.基于粗糙集的風(fēng)機(jī)故障診斷專家系統(tǒng)知識(shí)獲?。跩］.機(jī)械工程師，2005(9)：81-82.

［8］劉文英，時(shí)念云，李克文.基于粗集的遺傳挖掘在故障診斷中的應(yīng)用研究［J］.計(jì)算機(jī)工程與設(shè)計(jì)，2009，30(5)：1179-1182.

［9］邱有強(qiáng)，潘 超，王傳兵，等.基于粗糙集的智能數(shù)據(jù)算法在風(fēng)機(jī)監(jiān)測(cè)中的應(yīng)用［J］.東北電力大學(xué)學(xué)報(bào)：自然科學(xué)版，2008，28(2)：23-27.

［10］ LI Li，XU Zhanwen.The algorithm for mining classification characteristic ract-eristic rules and trend rules［J］.MiniMicro Systems，2000，21(3)：319-321.

［11］ Jaffe L D.Avalability of solar and wind generating units［J］.IEEE Transactions o n Power Apparatus and System，1983，104(5)：1012-1016.

［12］ Salameh Z M，Irianto S.Optimum windmill-site matching［J］.IEEE Transactions on Energy Conversion，1992，7(4)：669-675.

［13］蘇 健.基于粗糙集的數(shù)據(jù)挖掘與決策支持方法研究［D］.杭州：浙江大學(xué)，2002.

［14］王 凱，張永祥，李 軍.粗糙集理論在故障診斷專家系統(tǒng)中的應(yīng)用［J］.計(jì)算機(jī)測(cè)量與控制，2003(11)：827-829.