[發明專利]基于加權kNN距離的風電場異常數據辨識方法

有效

• 申請號: 201710809929.2
• 申請日: 2017-09-11
• 公開（公告）號: CN107808209B
• 公開（公告）日: 2021-09-14
• 發明（設計）人: 胡博;李昌林;汪碩承;謝開貴;朱小軍;劉育明;孔得壯;王蕾報
• 申請（專利權）人: 重慶大學;國網重慶市電力公司電力科學研究院;國家電網公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06Q50/06;G06N3/04
• 代理公司: 重慶為信知識產權代理事務所(普通合伙) 50216
• 代理人: 余錦曦

1.一種基于加權kNN距離的風電場異常數據辨識方法，其特征在于按以下步驟進行：

步驟1：對風電場歷史運行數據進行丟失數據與停運數據辨識，刪除丟失數據與停運數據，得到數據集W_S；

步驟2：計算步驟1中數據集W_S的分布標準差；

步驟3：建立帶未知參數k、離群點數量參數n的基于加權kNN的離群點辨識模型；

步驟4：采用基于靈敏度分析的參數確定方法，計算基于加權kNN的離群點辨識模型的未知參數k、n，得到基于加權kNN的離群點辨識模型；

步驟5：對風電場歷史運行數據進行異常數據辨識并從剔除，得到風電場歷史正常運行數據，并將該風電場歷史正常運行數據輸入到風電場功率預估系統，對下一時段風電場功率進行預估，實現輸出功率平穩控制；

所述步驟4中確定辨識模型中未知參數k、離群點數量參數n的取值方法按如下步驟：

步驟4.1：在同一數據集和離群點數量參數n的情況下，設置多組離群點數量參數取值，分別觀察參數k對辨識效果的影響，當多組分布標準差的變化都平緩時，即可確定參數k的值；

步驟4.2：確定參數k值后，得到過濾數據百分比與分布標準差的關系圖，圖中分布標準差隨著過濾數據百分比的增加先快速下降后緩慢下降，找出下降趨勢的拐點，取該拐點對應過濾數據百分比值，再將原始數據的總數乘以該過濾數據百分比，得到離群點數量參數n的值；

步驟4.3：驗證參數模型的正確性；取所述拐點對應的過濾數據百分比值，作出分布標準差與參數k值的關系圖，觀察圖中分布標準差穩定的區間的L值，對比步驟3.1中所取的k值是否在該區間內，在該區間內則說明該參數模型正確；

所述步驟5中辨識模型的辨識方法步驟如下：

步驟5.1：輸入經丟失數據與停運數據辨識后的數據集W_S，最鄰近點數量參數k_max和離群點數量參數n；

步驟5.2：對風電場數據W_S采用離差標準化處理，消除數據中功率和風速的量綱，消除數據中數值范圍存在的差異；

步驟5.3：計算數據集W_S中每個點的權值；

步驟5.4：根據步驟5.3中計算出的每個點的權值，計算數據集W_S中每個點的加權kNN距離；

步驟5.5：對數據集W_S中的點按照加權kNN距離值由大到小進行排序，加權kNN距離最大的X個點為篩選出的離群點。

2.根據權利要求1所述的基于加權kNN距離的風電場異常數據辨識方法，其特征在于：所述步驟1中對風電場歷史運行數據進行丟失數據與停運數據的辨識步驟如下：

步驟1.1：輸入風電場歷史運行數據集W[(v₁,p₁),(v₂,p₂),…,(v_m,p_m)]，其中v_i和p_i(i＝1,2,…,m)表示第i時刻的風速與風電功率值；

步驟1.2：遍歷數據集中的點，通過判別風速和功率是否為數值的方法對丟失數據進行過濾，判斷數據點功率值是否為無效值，如果是，則刪除該數據；

步驟1.3：遍歷數據集中的點，判斷數據點風速在切入和切出風速間的功率值是否為0，如果是，則刪除該數據；

停運數據辨識后的風電場數據集為W_S。