[發(fā)明專利]風(fēng)電機(jī)組異常數(shù)據(jù)清洗方法

有效

• 申請?zhí)枺?/td>: 201910361399.9
• 申請日: 2019-04-30
• 公開（公告）號: CN110134919B
• 公開（公告）日: 2020-12-15
• 發(fā)明（設(shè)計）人: 劉永前;王宏鈞;李莉;韓爽;閻潔;王其樂;朱志成
• 申請（專利權(quán)）人: 華北電力大學(xué);中能電力科技開發(fā)有限公司
• 主分類號: G06F17/18
• 分類號: G06F17/18;G06F16/215
• 代理公司: 北京眾合誠成知識產(chǎn)權(quán)代理有限公司 11246
• 代理人: 史雙元

本發(fā)明屬于數(shù)據(jù)分析與處理技術(shù)領(lǐng)域，尤其涉及一種基于最優(yōu)組內(nèi)方差與二維概率密度聯(lián)合的風(fēng)電機(jī)組異常數(shù)據(jù)清洗方法，包括：風(fēng)電機(jī)組運行數(shù)據(jù)預(yù)處理；采用最優(yōu)組內(nèi)方差法剔除限電區(qū)域的數(shù)據(jù)；采用二維概率密度估計法剔除密度稀疏的異常值；通過上下邊界線獲取正常運行數(shù)據(jù)。采用最優(yōu)組內(nèi)方差和二維概率密度估計結(jié)合的方案，既解決了最優(yōu)組內(nèi)方差清洗堆積數(shù)據(jù)會遺留下離散的數(shù)據(jù)的問題，又解決了二維概率密度估計無法排除高密度限電數(shù)據(jù)的問題，整體上提高了數(shù)據(jù)清洗運行工況的適應(yīng)性。

技術(shù)領(lǐng)域

本發(fā)明屬于數(shù)據(jù)分析與處理技術(shù)領(lǐng)域，尤其涉及一種基于最優(yōu)組內(nèi)方差與二維概率密度聯(lián)合的風(fēng)電機(jī)組異常數(shù)據(jù)清洗方法。

背景技術(shù)

風(fēng)電機(jī)組功率曲線是反映其性能的最重要特性。標(biāo)準(zhǔn)功率曲線是在標(biāo)準(zhǔn)條件下測試獲得，而風(fēng)電機(jī)組的實際運行條件非常復(fù)雜，多數(shù)偏離標(biāo)準(zhǔn)測試條件。為了獲得準(zhǔn)確的風(fēng)電機(jī)組的實際運行功率曲線，必須對這些運行數(shù)據(jù)進(jìn)行清洗，剔除不符合條件的數(shù)據(jù)。因此，風(fēng)電機(jī)組運行數(shù)據(jù)的清洗是風(fēng)電大數(shù)據(jù)分析的核心技術(shù)之一。

海量的風(fēng)電機(jī)組運行數(shù)據(jù)中存在大量的低于機(jī)組設(shè)計功率的運行數(shù)據(jù)，稱之為降功率數(shù)據(jù)。其產(chǎn)生原因可能是：人工限負(fù)荷、機(jī)組健康狀態(tài)引起的性能降級、傳感器失靈、控制系統(tǒng)故障等。目前風(fēng)電機(jī)組運行數(shù)據(jù)的清洗方法主要有方差閾值、方差變化率和基于概率密度的聚類等。方差閾值和方差變化率對堆積型限電數(shù)據(jù)清洗效果好，但會遺漏一些低密度稀疏數(shù)據(jù)；基于密度的聚類對于低密度的稀疏數(shù)據(jù)清洗效果好，但無法排除高密度限電數(shù)據(jù)。當(dāng)前風(fēng)電機(jī)組運行數(shù)據(jù)清洗技術(shù)的主要缺陷是運行工況適應(yīng)性差。

發(fā)明內(nèi)容

針對上述問題，本發(fā)明提出了一種基于最優(yōu)組內(nèi)方差與二維概率密度聯(lián)合的風(fēng)電機(jī)組異常數(shù)據(jù)清洗方法，包括：

步驟1：風(fēng)電機(jī)組運行數(shù)據(jù)預(yù)處理；

步驟2：采用最優(yōu)組內(nèi)方差法剔除限電區(qū)域的數(shù)據(jù)；

步驟3：采用二維概率密度估計法剔除密度稀疏的異常值；

步驟4：通過上下邊界線獲取正常運行數(shù)據(jù)。

所述預(yù)處理包括：刪除機(jī)組故障、停機(jī)或傳感器故障條件下風(fēng)速和功率數(shù)值超范圍的原始運行數(shù)據(jù)。

所述步驟2具體包括：將數(shù)據(jù)集分為n個風(fēng)速區(qū)間，對每個風(fēng)速區(qū)間內(nèi)的風(fēng)速功率組按功率降序排序，并對功率集合做滑動方差得到滑差向量，保留比全局閾值小的元素來作為新的風(fēng)速功率組。

所述步驟3具體包括：對所述步驟2中新的風(fēng)速功率組進(jìn)行歸一化處理，然后進(jìn)行非參數(shù)二維核密度估計，應(yīng)用網(wǎng)格法得到概率密度矩陣；保留概率密度矩陣中小于密度閾值的元素，得到新的概率密度矩陣，并按功率從小到大順序排序，第一個非零元素作為下邊界點，最后一個非零元素作為上邊界點，連接所有下邊界點和上邊界點即可分別獲得下、上邊界線。

所述步驟4具體包括：對風(fēng)速功率組的上下邊界線進(jìn)行反歸一化，得到實際坐標(biāo)的上下邊界線；保留邊界線內(nèi)的原始數(shù)據(jù)，刪除邊界線以外的數(shù)據(jù)，從而篩選出正常風(fēng)速功率數(shù)據(jù)。

本發(fā)明的有益效果：本發(fā)明采用最優(yōu)組內(nèi)方差和二維概率密度估計結(jié)合的方案，既解決了最優(yōu)組內(nèi)方差清洗堆積數(shù)據(jù)會遺留下離散的數(shù)據(jù)的問題，又解決了二維概率密度估計無法排除高密度限電數(shù)據(jù)的問題，整體上提高了數(shù)據(jù)清洗運行工況的適應(yīng)性。本發(fā)明只需對風(fēng)速和功率二維數(shù)據(jù)進(jìn)行分析，不僅降低了傳統(tǒng)方法對多維數(shù)據(jù)的依賴性，而且可以準(zhǔn)確辨識出風(fēng)電機(jī)組的運行狀態(tài),具有較強的通用性。

附圖說明

圖1為未經(jīng)處理的風(fēng)速功率原始數(shù)據(jù)。

圖2為使用最優(yōu)組內(nèi)方差進(jìn)行處理后的數(shù)據(jù)。

圖3為使用二維概率密度清洗后的風(fēng)速功率密度矩陣。

圖4為優(yōu)化后的風(fēng)速功率概率密度矩陣。