[发明专利]一种风电数据跨度选取方法及装置

权利要求书

1.一种风电数据跨度选取方法，其特征在于，所述方法包括如下步骤:

采集风电厂出力数据，对所述数据预处理得到有效数据；

对所述有效数据进行分类；

计算各类数据的最佳采样天数；

根据各类数据的最佳采样天数，计算总采样天数；

根据总采样天数确定数据跨度窗，并根据所述数据跨度窗计算风电数据跨度；

通过K-means算法对所述有效数据进行分类，并通过在分类曲线上进行特征提取的方式获取所述最佳采样天数，所述获取所述最佳采样天数的具体步骤如下：

所述有效数据为向量形式，所述对所述有效数据进行分类包括：

从向量中随机选取K个向量分别作为初始质心；

计算除了初始质心外剩余的向量到每个质心的距离，并将该向量归到距离最近的质心的类中，重新计算得到各个类的新的质心，直至新的质心与初始质心相等或新的质心与初始质心的距离小于指定阈值；

根据下式计算向量到质心的距离D：

其中，k为每个向量的维度，i＝l、2...m,m为向量的个数，X”、X*为需要计算距离的两个向量的第i维坐标；

所述计算各类数据的最佳采样天数包括：

根据下式计算日出力表征系数B：

其中，Pq用于表示第1天第j个功率采样点的功率值，N是每天的总采样点数；

根据所述日出力表征系数B计算各类数据的最佳采样天数。

2.如权利要求1所述的风电数据跨度选取方法，其特征在于，根据所述日出力表征系数B计算各类数据的最佳采样天数包括：

日出力表征系数B的一个样本包括(B1，B2,B₃...，B_n)，样本均值E(B)＝u，样本方差D(B)＝σ²，标准正态分布的双侧分位数的密度函数如下式所示：

其中，b为标注差，n为抽样点数；

如式(3)所示，当抽样点数n足够大时，近似服从正态分布N(0,1)，置信水平α如下式所示：

为使抽样误差合理，需满足下式：

其中，ε₀允许的绝对误差上限；

根据公式(4)和(5)，得出按下式计算最佳采样天数即抽样点数n:

n＝σ²·t_α²/(u·ε)² (8)

其中，ε为相对精度，ε·u＝ε₀。

3.如权利要求1所述的风电数据跨度选取方法，其特征在于，所述总采样天数为各类数据的最佳采样天数的加和。

4.如权利要求1所述的风电数据跨度选取方法，其特征在于，所述根据总采样天数和数据跨度窗计算风电数据跨度包括：

根据总采样天数和数据跨度窗确定预选跨度数据天数；

将所述预选跨度数据天数与在数据预处理时剔除的噪点天数相加，得到风电数据跨度。

5.如权利要求1所述的风电数据跨度选取方法，其特征在于，所述根据总采样天数确定数据跨度窗：

确定时间起点，在选择的基础跨度窗长度范围内寻找各类数据的最佳采样天数，若跨度窗内包含所有类别数据所需的最佳采样天数，则变换起点；若跨度窗内不包含所有类别数据所需的最佳采样天数，增加跨度窗长度，直至满足任一时间起点的连续跨度窗内包含了所有数据所需的最佳采样天数。