[发明专利]一种组合型风电场数据清洗方法

说明书

本发明涉及一种组合型风电场数据清洗方法，包括步骤：步骤S1：采集风电原始数据，并采用加权最小二乘法拟合出风速‑功率散点图中心线曲线；步骤S2：考虑主要影响因素下的仿射算术得出风速变化范围；步骤S3：通过考虑风力发电物理特性的函数映射关系得出功率值的分散区间范围，并求得功率分散区间范围的包络线，以包络线为范围判断并剔除异常数据点；步骤S4：针对剩余数据集按风速进行区间划分；步骤S5：遍历所有区间，取四分位内限进一步剔除剩余异常数据，将将清洗后的数据区间进行组合得到干净的风速‑功率数据集。本发明能够在考虑实际工程背景的情况下，提高对异常数据检测剔除的覆盖度和准确度。

技术领域

本发明涉及风力发电技术领域，特别是一种组合型风电场数据清洗方法。

背景技术

风力发电具有波动性和间歇性，这种不确定性对电力系统的稳定运行造成了巨大的挑战。对风电场海量原始数据进行数据挖掘和功率预测可以提高风电出力的预见性。然而，由于电场运行时机组弃风、检修、极端天气情况、外界电磁干扰或设备故障等原因，导致原始数据中存在大量不完整和异常的数据，这种数据缺失和异常的情况会在数据传输过程中变得更加严重。不良数据严重影响了风电机组性能和运行状况的评估，无法为风电场的经济安全运行和优化策略提供数据支撑。数据清洗可以检测风电机组原始数据中存在的异常值和缺失值，并对异常值进行剔除，对缺失值进行重构，能够有效提高数据质量，是数据预处理中的一项重要工作。

然而当前存在的数据清洗方法难以满足清洗覆盖度和准确度两方面的要求。

目前最常用的风电数据清洗方法主要有两种：一种是针对数据本身的统计特性去判断数据是否异常，另一种是使用基于密度或距离的智能算法去检测离群点。

图1为风速-功率散点图，按照数据点在图中的分布特征，异常数据可分为四类，分别为底部、中部、上部堆积型异常数据和分散性异常数据。其中上方的堆积型异常数据通常由于通讯错误、传感器失灵或测量设备故障导致，例如，监测风速时可能会出现故障或延迟的现象，导致数据记录不合实际；中部的堆积型异常数据通常因为弃风限电造成，其异常数据在曲线中表现为一条或多条横向的数据带；分散型异常数据通常由于气象波动，信号传播噪音等随机情况造成，导致异常数据在正常值附近随机波动；下方堆积型异常数据的主要特征为一段时间内预测变量不为0但是功率为0或接近于0，通常由机组故障，停机检修等原因造成。

基于统计学的清洗方法中主流的方法有3sigma法和四分位法。其中3sigma法需要提前假设数据服从正态分布，分布在(μ-3σ，μ+3σ)中的数据的概率为99.73％，而分布在距离平均值3σ之外的数据的概率不到0.3％，属于极小概率事件，其中σ为标准差，μ为平均值。因此在3σ原则下，将超过3倍的标准差的数据值视为异常值。但是实际风力发电数据并不严格服从正态分布，导致识别出的异常点较少。在使用四分位法进行数据清洗时，四分位的异常值内限会受到曲线下方大量堆积异常数据的影响，导致识别效果变差。

基于密度或距离的离群点检测智能算法有支持向量机法、K最近邻聚类算法、组内最优方差法、离群点检测算法等。这些算法需要大量的原始数据进行训练，有计算速度慢且鲁棒性不强等显著的缺点。

值得注意的是，上述传统的数据清洗方法都忽略了实际工程中风电出力的物理特性，缺乏对风电工程的针对性，得出的结果可能会导致数据的误识别，与实际工程数值之间产生较大的偏差，使风电数据清洗的准确度和工程意义大打折扣。

发明内容

有鉴于此，本发明的目的是提出一种组合型风电场数据清洗方法，结合实际工程中风电出力的物理特性，提出仿射算法-四分位法的组合数据清洗方法，将两种方法优势互补，能够在考虑实际工程背景的情况下，提高对异常数据检测剔除的覆盖度和准确度。

本发明采用以下方案实现：一种组合型风电场数据清洗方法，包括以下步骤：