[發(fā)明專利]基于加權(quán)kNN距離的風(fēng)電場異常數(shù)據(jù)辨識方法

有效

• 申請?zhí)枺?/td>: 201710809929.2
• 申請日: 2017-09-11
• 公開（公告）號: CN107808209B
• 公開（公告）日: 2021-09-14
• 發(fā)明（設(shè)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(quán)）人: 重慶大學(xué);國網(wǎng)重慶市電力公司電力科學(xué)研究院;國家電網(wǎng)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(chǎn)權(quán)代理事務(wù)所(普通合伙) 50216
• 代理人: 余錦曦

本發(fā)明涉及一種基于加權(quán)kNN距離的風(fēng)電場異常數(shù)據(jù)辨識方法，其特征在于按以下步驟進行：步驟1、步驟2、步驟3、步驟4、步驟5。本發(fā)明提出了一種基于靈敏度分析的模型參數(shù)最優(yōu)確定方法，該方法不需要預(yù)先利用正常數(shù)據(jù)樣本進行訓(xùn)練，可以對處于正常值范圍內(nèi)的異常數(shù)據(jù)進行辨識，從而提高風(fēng)電場輸出功率的預(yù)測精確度，縮短預(yù)測時間，實現(xiàn)風(fēng)電場輸出功率的可靠控制。

技術(shù)領(lǐng)域

本發(fā)明涉及新能源發(fā)電技術(shù)領(lǐng)域，具體涉及一種基于加權(quán)kNN距離的風(fēng)電場異常數(shù)據(jù)辨識方法。

背景技術(shù)

隨著風(fēng)電并網(wǎng)量的增加，風(fēng)電的間歇性和不確定性給電網(wǎng)的運營帶來了挑戰(zhàn)，要提高風(fēng)電滲透率和減少風(fēng)電棄風(fēng)率，最直接的方法就是提高風(fēng)電的預(yù)測精確度。

由于風(fēng)電場地形和風(fēng)資源的復(fù)雜性，很難利用物理方法對風(fēng)電場功率預(yù)測進行精確建模，所以，基于風(fēng)電場歷史運行數(shù)據(jù)的數(shù)據(jù)驅(qū)動型方法得到了廣泛使用；而風(fēng)電場歷史運行數(shù)據(jù)的有效性和準(zhǔn)確性將會影響功率預(yù)測結(jié)果，因此，對風(fēng)電場歷史運行數(shù)據(jù)進行異常數(shù)據(jù)辨識將變得尤為重要。

目前對風(fēng)電場異常數(shù)據(jù)辨識的研究方法主要分兩類，第一類是越限判斷方法，通過判斷風(fēng)速和功率值的是否超過正常范圍值，這類方法比較依賴于人工經(jīng)驗，不能對處于正常值范圍內(nèi)的異常數(shù)據(jù)進行辨識；第二類是人工智能算法，此類方法可克服越限判斷方法依賴人工經(jīng)驗的不足，但該類方法的辨識精度依賴于大量正確數(shù)據(jù)，實際情況下通常很難得到大量正確分類的數(shù)據(jù)樣本。

發(fā)明內(nèi)容

針對現(xiàn)有技術(shù)的不足，本發(fā)明提出了一種用加權(quán)kNN距離定義每個數(shù)據(jù)點的離群程度，再通過數(shù)據(jù)點的離群程度對數(shù)據(jù)中的異常數(shù)據(jù)進行辨識的方法，從而提高風(fēng)電場輸出功率的預(yù)測精確度。

本發(fā)明的技術(shù)方案為：

一種基于加權(quán)kNN距離的風(fēng)電場異常數(shù)據(jù)辨識方法，其關(guān)鍵在于按以下步驟進行：

步驟1：對風(fēng)電場歷史運行數(shù)據(jù)進行丟失數(shù)據(jù)與停運數(shù)據(jù)辨識，刪除丟失數(shù)據(jù)與停運數(shù)據(jù)，得到數(shù)據(jù)集W_S；

步驟2：計算步驟1中數(shù)據(jù)集W_S的分布標(biāo)準(zhǔn)差；

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

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

步驟5：對風(fēng)電場歷史運行數(shù)據(jù)進行異常數(shù)據(jù)辨識并從剔除，得到風(fēng)電場歷史正常運行數(shù)據(jù)，并將該風(fēng)電場歷史正常運行數(shù)據(jù)輸入到風(fēng)電場功率預(yù)估系統(tǒng)，對下一時段風(fēng)電場功率進行預(yù)估，實現(xiàn)輸出功率平穩(wěn)控制。

上述方案中，kNN距離算法為：鄰近距離算法。

所述步驟1中對風(fēng)電場歷史運行數(shù)據(jù)進行丟失數(shù)據(jù)與停運數(shù)據(jù)的辨識方法按如下步驟進行：

步驟1.1：輸入風(fēng)電場歷史運行數(shù)據(jù)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(fēng)速與風(fēng)電功率值；

步驟1.2：遍歷數(shù)據(jù)集中的點，通過判別風(fēng)速和功率是否為數(shù)值的方法對丟失數(shù)據(jù)進行過濾，判斷數(shù)據(jù)點功率值是否為無效值，如果是，則刪除該數(shù)據(jù)；

步驟1.3：遍歷數(shù)據(jù)集中的點，判斷數(shù)據(jù)點風(fēng)速在切入和切出風(fēng)速間的功率值是否為0，如果是，則刪除該數(shù)據(jù)；

停運數(shù)據(jù)辨識后的風(fēng)電場數(shù)據(jù)集為W_S。

所述步驟2中數(shù)據(jù)分布標(biāo)準(zhǔn)差的計算方法如下：