[发明专利]风电功率异常数据辨识方法及辨识装置

说明书

本发明涉及一种风电功率异常数据辨识方法，其中，所述方法包括：根据异常数据的来源和时间序列的不规则变化，将异常数据进行分类，得到异常数据分类结果；根据异常数据的分类结果，获取异常数据判断标准；根据异常数据判断标准，对同时段风电功率序列和风速序列分别进行概率变点分析，辨识时间序列中的不规则突变；根据风电功率序列和风速序列建立混合回归模型，根据各回归变量重要性排序的变化，获得风电功率序列中的模型变点。本发明还涉及一种风电功率异常数据辨识装置。本发明提供的风电功率异常数据辨识方法和装置能够对风电功率异常数据进行准确辨识。

技术领域

本发明涉及一种风电功率异常数据辨识方法及辨识装置，尤其涉及一种基于变点分析的风电功率异常数据辨识方法及辨识装置，属于电力系统预测与控制技术领域。

背景技术

风电大规模并网背景下，其具有的波动性和随机性给传统电力系统的安全稳定运行带来巨大挑战，风电功率预测技术是帮助解决这一问题的重要手段。目前用于生产实践的功率预测系统大多采用数值天气预报(NWP)和统计学相结合的方法，不仅用到未来的天气预报情况，还用到了历史实际运行数据。历史样本是统计学方法的研究对象，其质量好坏对风电功率预测统计学方法建模效果影响很大。原始数据预处理可以为串行模式下充分发挥样本统计特性对预测精度的提升作用提供可靠的数据基础，也是风电功率预测系统的必备环节。

以往的研究当中常用控制图方法来辨识风电功率数据中的异常值，然而，基于控制图原理的风电功率异常数据辨识方法中，大部分分散点，不论是错误数据还是不规则数据，都被辨识为异常点去除，无法适用于精细化功率预测，使得风电功率的预测的准确度不够高。

发明内容

综上所述，确有必要提出一种能够准确对风电功率异常数据进行辨识的方法及装置。

一种风电功率异常数据辨识方法，其中，所述方法包括：

根据异常数据的来源和风电功率序列的不规则变化，将异常数据进行分类，得到异常数据分类结果；

根据异常数据的分类结果，建立基于风速序列的异常数据判断标准；

根据预设的异常数据判断标准，对位于同时段的风电功率序列和风速序列分别进行概率变点分析，得到风电功率序列和风速序列中的概率变点，通过概率变点辨识风电功率序列以及风速时间序列中的不规则突变，根据该风速序列的不规则突变与风电功率序列中不规则突变的对应关系识别风电功率异常数据的类型；

根据风电功率序列和风速序列建立混合回归模型，根据混合回归模型中各回归变量重要性排序的变化，获得风电功率序列中的模型变点，并根据模型变点识别剩余风电功率异常数据的类型。

在其中一个实施例中，异常数据包括错误数据和不规则数据；错误数据包括在数据量测、传输和保存等环节中由于干扰导致的失真数据；不规则数据包括正常记录存储的数据，但由于极端天气过程引起的第一类不规则数据或人工控制干预而表现异常的数据第二类不规则数据。

在其中一个实施例中，根据风电功率的不规则变化与风速序列的不规则变化对应关系，异常数据包括三种类型：

类型一：若不规则变化变化是由于风资源/风电功率的非平稳、非线性特征导致，则风电功率序列中的异常突变对应于相同或相近时刻风速序列中的突变，为第一类不规则数据；

类型二：若风电功率序列中的异常突变与相同或相近时刻风速序列中的突变不对应，则风电功率序列中的异常突变属于错误数据；以及

类型三：人工控制干预导致的风电功率序列异常数据，为第二类不规则数据。

在其中一个实施例中，基于风速序列的异常数据判断标准包括：

若风电功率序列和风速序列中同时存在的不规则突变则属于第一类不规则数据；

若只在风电功率序列中存在的不规则突变则属于错误数据；