[發明專利]基于圖像的風力發電功率曲線異常數據識別與清洗方法

有效

• 申請號: 201911253021.3
• 申請日: 2019-12-09
• 公開（公告）號: CN111145109B
• 公開（公告）日: 2023-03-31
• 發明（設計）人: 梁國遠;宿亞浩;陳帆;周力凱;吳新宇
• 申請（專利權）人: 深圳先進技術研究院
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T7/194;G06T7/13;G06Q50/06
• 代理公司: 北京市誠輝律師事務所 11430
• 代理人: 范盈

1.一種基于圖像的風力發電功率曲線異常數據識別與清洗方法，其特征在于，包括以下步驟：

1)建立映射關系，將風力發電的散點數據轉化為二值數字圖像，

步驟1)具體為：

通過柵格化將散點數據的散點劃分到不同的框，每個框代表數字圖像中的一個像素點，(x,y)是數字圖像f(x,y)的一個像素點，其中x＝1,...,M，y＝1,...,N，第i個數據點是(v_i,p_i)，其中v是風速，p是功率；像素與數據點之間的縮放參數是(△x,△y)，P_max，P_min分別代表最大和最小功率，v_max，v_min分別代表最大和最小風速；第i個像素(x_i,y_i)與數據點之間的對應可以由式(1)計算，通過縮放參數，一個像素點可以對應許多數據點；有數據對應的像素點的灰度值設為255，其余像素點的灰度值設為0，

圖像的尺寸大小M×N由式(2)計算

通過以上方式可建立風電數據點與生成的數字圖像的映射關系，生成的二值數字圖像；

2)將二值數字圖像轉化為特征灰度圖像，

步驟2)具體為：

計算有值像素點到連通域邊界的像素在八個方向上的距離，然后計算距離的中位數作為當前像素的灰度值；

3)對特征灰度圖像進行識別，進行數據清洗，

步驟3)包括以下步驟：

3.1)在確定閾值t下，以異常數據對應的像素為背景，正常數據對應的像素為前景，計算圖像的類不確定性，通過類不確定性理論對圖像進行分析；

3.2)然后將分類不確定性與參考模板的傅里葉描述子結合構建能量函數，通過最小化能量函數尋找最優閾值t；

3.3)最后，通過閾值分割結果，對前景和背景進行分割，根據之前的映射關系，達到識別和分類正常數據和異常數據的作用。

2.根據權利要求1所述的一種基于圖像的風力發電功率曲線異常數據識別與清洗方法，其特征在于：

所述步驟3.1)具體為：

在灰度特征圖中，令C表示圖像中灰度值零以上的所有像素，令c表示某一個元素，且c∈C，令F_o,t和F_b,t表示有閾值t產生的空間元素屬于前景和背景的集合，此時前景屬于正常數據，背景屬于要清洗的異常數據，其表達式為：

F_o,t＝{c|c∈C and f(c)≥t}

F_b,t＝{c|c∈C and f(c)≥t}

由閾值t產生前景概率為：

其中，|X|表示X的數量；

這里引入集合G＝[MIN,MAX],MIN表示一副圖像中的最小的灰度值，MAX表示一副圖像中的最大的灰度值；在閾值t的條件下，我們可以將p_o(g)和p_b(g)寫成概率密度函數的形式，則

其中，m_o(t)和m_b(t)分別表示前景像素的灰度均值和背景像素的灰度均值，σ_o(t)和σ_b(t)分別表示前景像素和背景像素的標準差；

在閾值t情況下，將類不確定性表達為閾值為t的函數，當灰度值為g時，其公式為：

其中，p_t(g)如公式所示：

p_t(g)＝θ(t)p_o,t(g)+(1-θ(t))p_b,t(g)

在閾值為t時，對于每個像素點，可以得到不同的熵H_t(g)來表示當前像素點的類不確定性；將其小到大按照由藍到綠再到紅可視化，可以得到代表類不確定的能量圖；當t發生變化時，可以得到不同閾值下能量圖。