[发明专利]基于加权kNN距离的风电场异常数据辨识方法

摘要

本发明涉及一种基于加权kNN距离的风电场异常数据辨识方法，其特征在于按以下步骤进行：步骤1、步骤2、步骤3、步骤4、步骤5。本发明提出了一种基于灵敏度分析的模型参数最优确定方法，该方法不需要预先利用正常数据样本进行训练，可以对处于正常值范围内的异常数据进行辨识，从而提高风电场输出功率的预测精确度，缩短预测时间，实现风电场输出功率的可靠控制。

主权项

一种基于加权kNN距离的风电场异常数据辨识方法，其特征在于按以下步骤进行：步骤1：对风电场历史运行数据进行丢失数据与停运数据辨识，删除丢失数据与停运数据，得到数据集W_S；步骤2：计算步骤1中数据集W_S的分布标准差；步骤3：建立带未知参数k、离群点数量参数n的基于加权kNN的离群点辨识模型；步骤4：采用基于灵敏度分析的参数确定方法，计算基于加权kNN的离群点辨识模型的未知参数k、n，得到基于加权kNN的离群点辨识模型；步骤5：对风电场历史运行数据进行异常数据辨识并从剔除，得到风电场历史正常运行数据，并将该风电场历史正常运行数据输入到风电场功率预估系统，对下一时段风电场功率进行预估，实现输出功率平稳控制。