[發(fā)明專利]一種風(fēng)電場數(shù)據(jù)清洗方法及裝置

在審

• 申請?zhí)枺?/td>: 201910737434.2
• 申請日: 2019-08-09
• 公開（公告）號: CN110674120A
• 公開（公告）日: 2020-01-10
• 發(fā)明（設(shè)計）人: 陳保衛(wèi);李庚達;胡陽;段震清;奚蕓華;潘晨陽;王昕;梁凌;李雄威;劉淼
• 申請（專利權(quán)）人: 國電新能源技術(shù)研究院有限公司;華北電力大學(xué)
• 主分類號: G06F16/215
• 分類號: G06F16/215;G06F16/28;G06K9/62;G06Q50/06
• 代理公司: 11352 北京大成律師事務(wù)所
• 代理人: 陳福

本發(fā)明提供了一種數(shù)據(jù)清洗方法及裝置，結(jié)合風(fēng)力發(fā)電過程運行特性，針對運行數(shù)據(jù)中存在的異常數(shù)據(jù)，通過基于噪聲魯棒性聚類的運行數(shù)據(jù)第一次聚類分析、基于數(shù)據(jù)分布流形的第二次聚類分析等兩階段聚類算法，能夠在時域空間有效識別和剔除異常數(shù)據(jù)，具有較高的可執(zhí)行性。同時提供了對異常數(shù)據(jù)剔除效果的性能評價，通過合理的評價標準優(yōu)化了剔除堆積型異常數(shù)據(jù)的方案，保證剩余有效數(shù)據(jù)占比及有效數(shù)據(jù)量，能夠合理提高堆積型異常數(shù)據(jù)識別精度和執(zhí)行效率，有利于異常數(shù)據(jù)識別的自動化實現(xiàn)和工業(yè)應(yīng)用。

技術(shù)領(lǐng)域

本發(fā)明涉及一種數(shù)據(jù)清洗方法及裝置，特別涉及一種風(fēng)電場數(shù)據(jù)清洗方法及裝置。

背景技術(shù)

隨著規(guī)模化風(fēng)電的快速發(fā)展，同時，受電源結(jié)構(gòu)單一、電力系統(tǒng)有限的調(diào)節(jié)能力、外送通道容量不足等問題制約，棄風(fēng)限電現(xiàn)象在中國普遍存在。尤其在中國“三北”地區(qū)，風(fēng)電年利用小時數(shù)長期在低位徘徊。目前，風(fēng)電消納已成為阻礙中國風(fēng)電產(chǎn)業(yè)健康發(fā)展的瓶頸問題，亟需解決。

因長時間限功率運行，大多數(shù)風(fēng)電場SCADA系統(tǒng)的記錄數(shù)據(jù)存在較多的堆積型異常數(shù)據(jù)，即大量非最大風(fēng)能利用狀態(tài)的限功率運行數(shù)據(jù)。此外，因風(fēng)機運行性能劣化或故障等同樣會產(chǎn)生大量非最大出力性能的運行數(shù)據(jù)。這些異常數(shù)據(jù)對后續(xù)的風(fēng)功率曲線建模、理論功率計算、風(fēng)機運行性能評價、運行狀態(tài)監(jiān)測及故障診斷等均有較大影響。然而，堆積型異常數(shù)據(jù)與有效數(shù)據(jù)通常混合存在，大大增加了異常數(shù)據(jù)識別、清洗的難度。因而，引起了學(xué)界和工業(yè)界的廣泛關(guān)注。考慮到風(fēng)力發(fā)電過程中大量存在的不確定性以及運行數(shù)據(jù)的復(fù)雜非線性，采用聚類方法進行異常數(shù)據(jù)清洗是一種可行的解決方案。然而，單一的聚類方法難以得到良好的識別效果；此外，目前大多數(shù)據(jù)清洗方法僅在時域空間進行數(shù)據(jù)清洗，缺乏合理評價清洗效果的時域指標，使得清洗過程難以高效率優(yōu)化。

發(fā)明內(nèi)容

為了能夠按需優(yōu)化堆積型異常數(shù)據(jù)的清洗效果，本發(fā)明提出一種風(fēng)電場數(shù)據(jù)清洗方法及裝置，通過時域空間聚類識別、概率空間評價、剔除性能優(yōu)化等步驟改進異常數(shù)據(jù)的清洗效果。

本發(fā)明提供一種風(fēng)電場數(shù)據(jù)清洗方法，包括以下步驟：

獲取風(fēng)電場運行數(shù)據(jù)；

通過聚類分析方法對運行數(shù)據(jù)進行第一次聚類分析，將運行數(shù)據(jù)劃分為若干組第一數(shù)據(jù)類C_i＝{C₁，C₂，...，C_i，...，C_m}(i＝1，2，...，m)；

通過聚類分析方法對每一組第一數(shù)據(jù)類C_i進行第二次聚類分析，獲得若干組第二數(shù)據(jù)類C_ij＝{C_i1，C_i2，...，C_ij，...，C_in}(i＝1，2，...，m；j＝1，2，...，n)；

通過聯(lián)合概率分布空間的數(shù)據(jù)分布特性評價及優(yōu)化兩次聚類后的數(shù)據(jù)清洗結(jié)果。

所述風(fēng)電場數(shù)據(jù)清洗方法，其中，所述第一次聚類分析采用對噪聲數(shù)據(jù)具有較強適應(yīng)能力的聚類算法。

優(yōu)選的，所述第一次聚類分析選取歐式距離作為相似性測度，采用K-medoids聚類算法。

所述風(fēng)電場數(shù)據(jù)清洗方法，其中，第一次聚類分析將運行數(shù)據(jù)分組數(shù)量不少于3組且不大于5組。

所述風(fēng)電場數(shù)據(jù)清洗方法，其中，第一次聚類分析后根據(jù)風(fēng)電場的特性對第一數(shù)據(jù)類中的異常數(shù)據(jù)進行剔除。

優(yōu)選的，異常數(shù)據(jù)剔除的數(shù)據(jù)量應(yīng)為剔除前數(shù)據(jù)總量的25％以內(nèi)。

優(yōu)選的，第一次聚類分析后剔除異常數(shù)據(jù)所根據(jù)風(fēng)電場的特性包括風(fēng)電場風(fēng)機設(shè)計參數(shù)或風(fēng)電場風(fēng)功率特性。

所述風(fēng)電場數(shù)據(jù)清洗方法，其中，第二次聚類分析采用具有非凸聚類能力的聚類算法。