[發(fā)明專利]基于圖像的風(fēng)力發(fā)電功率曲線異常數(shù)據(jù)識別與清洗方法

有效

• 申請?zhí)枺?/td>: 201911253021.3
• 申請日: 2019-12-09
• 公開（公告）號: CN111145109B
• 公開（公告）日: 2023-03-31
• 發(fā)明（設(shè)計）人: 梁國遠(yuǎn);宿亞浩;陳帆;周力凱;吳新宇
• 申請（專利權(quán)）人: 深圳先進(jìn)技術(shù)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(wù)所 11430
• 代理人: 范盈

本發(fā)明屬于信息技術(shù)領(lǐng)域，涉及一種基于圖像的風(fēng)力發(fā)電功率曲線異常數(shù)據(jù)識別與清洗方法，包括以下步驟：1)建立映射關(guān)系，將風(fēng)力發(fā)電的散點(diǎn)數(shù)據(jù)轉(zhuǎn)化為二值數(shù)字圖像；2)將二值數(shù)字圖像轉(zhuǎn)化為特征灰度圖像；3)對特征灰度圖像進(jìn)行識別，進(jìn)行數(shù)據(jù)清洗。本發(fā)明通過柵格化散點(diǎn)數(shù)據(jù)，建立散點(diǎn)數(shù)據(jù)與數(shù)字圖像之間的映射，將基于傳統(tǒng)數(shù)據(jù)挖掘算法的數(shù)據(jù)清洗問題轉(zhuǎn)化為圖像分割問題，運(yùn)用成熟的圖像分割算法來解決數(shù)據(jù)清洗問題。

技術(shù)領(lǐng)域

本發(fā)明屬于信息技術(shù)領(lǐng)域，涉及一種基于圖像的風(fēng)力發(fā)電功率曲線異常數(shù)據(jù)識別與清洗方法。

背景技術(shù)

風(fēng)能是一種清潔和可再生的能源。近年來，世界各地安裝的風(fēng)力發(fā)電機(jī)越來越多，風(fēng)電機(jī)組安裝的數(shù)據(jù)采集與監(jiān)視控制系統(tǒng)已經(jīng)廣泛的用于風(fēng)力發(fā)電工況檢測，其中包括風(fēng)電曲線異常數(shù)據(jù)檢測。風(fēng)電功率曲線是在風(fēng)電機(jī)組運(yùn)行特性的評價過程中的一項重要指標(biāo)，即是風(fēng)電機(jī)組的設(shè)計依據(jù)、性能評價指標(biāo)、發(fā)電量考核指標(biāo)，與風(fēng)電場的收益也息息相關(guān)。

由于風(fēng)速和風(fēng)向的變化導(dǎo)致風(fēng)力發(fā)電具有波動性、間歇性和隨機(jī)性等特點(diǎn)，所以SCADA數(shù)據(jù)包含不同類型的異常數(shù)據(jù)，這會對風(fēng)力發(fā)電機(jī)運(yùn)行狀態(tài)和特性的分析產(chǎn)生不利影響。

基于風(fēng)電功率曲線的異常數(shù)據(jù)可以歸納為以下三種類型：I類為負(fù)異常數(shù)據(jù)，II類為離散異常數(shù)據(jù)，III類為堆積異常數(shù)據(jù)。如圖1所示。

(1)I類異常數(shù)據(jù)是風(fēng)速大于切入速度且功率低于零的負(fù)異常數(shù)據(jù)。當(dāng)風(fēng)力發(fā)電機(jī)吸收來自電網(wǎng)的功率時，功率輸出將被記錄為負(fù)值。負(fù)異常數(shù)據(jù)大多接近于零。產(chǎn)生I型異常數(shù)據(jù)的主要原因有計劃外維修、風(fēng)機(jī)故障和風(fēng)力削減等。

(2)II類異常數(shù)據(jù)是離散的異常數(shù)據(jù)。它們圍繞正常曲率隨機(jī)分布。傳感器故障，傳感器噪聲和一些不受控制的隨機(jī)因素導(dǎo)致這些異常數(shù)據(jù)。因此，它們遵循隨意分布，并且不可預(yù)測且不連續(xù)。

(3)III類異常數(shù)據(jù)是堆疊的異常數(shù)據(jù)。這些異常數(shù)據(jù)通常出現(xiàn)在連續(xù)的時間段內(nèi)，并在功率曲線中排成一行。因此，當(dāng)數(shù)量很大時，它們很容易識別為正常數(shù)據(jù)。它們通常由限電命令或通信故障引起，尤其是限電期間和限功率運(yùn)行。

數(shù)據(jù)清洗是風(fēng)電場運(yùn)行和維護(hù)過程中的一個重要環(huán)節(jié)，風(fēng)電機(jī)組功率曲線的異常數(shù)據(jù)的識別與清洗是當(dāng)前的研究熱點(diǎn)。

常規(guī)方法主要基于離散的數(shù)據(jù)點(diǎn)，利用與正常數(shù)據(jù)不同的異常數(shù)據(jù)的統(tǒng)計特征來清理異常數(shù)據(jù)，包括數(shù)據(jù)密度、距離、方差等。常規(guī)的基于數(shù)據(jù)的方法主要問題是大量的堆疊數(shù)據(jù)沒有得到有效的清理，主要原因是假設(shè)正常數(shù)據(jù)是主體成分，并根據(jù)主體成分的統(tǒng)計特征來檢測異常數(shù)據(jù)，當(dāng)風(fēng)力出現(xiàn)經(jīng)常縮減時，大量堆疊的異常數(shù)據(jù)也會成為主體成分。

文獻(xiàn)Long H，Sang L，Wu Z，and Gu W.Image-based abnormal data detectionand cleaning algorithm via wind power curve[J].IEEE Transactions onSustainable Energy.2019(04)，1-1，提出一種基于圖像的數(shù)學(xué)形態(tài)學(xué)操作方法，分為以下三步：

1)預(yù)處理清洗：過濾并檢測I類異常點(diǎn)(負(fù)異常數(shù)據(jù))滿足v＞v_cut-in且p＜0，其中v_cut-in是切入速度。

2)基于圖像的正常數(shù)據(jù)提取：對I類異常數(shù)據(jù)進(jìn)行過濾后，其余數(shù)據(jù)的散點(diǎn)繪圖將轉(zhuǎn)化為數(shù)字圖像，基于每個像素點(diǎn)的灰度值，將該灰度圖進(jìn)一步轉(zhuǎn)換為二值圖像。然后，用圖像數(shù)學(xué)形態(tài)學(xué)的開運(yùn)算提取風(fēng)電曲線圖像的主要部分。計算提取風(fēng)電曲線的主要部分與參考模板(由專家手工標(biāo)記的標(biāo)準(zhǔn)風(fēng)電曲線模型)的相似度差異(圖像不變矩的歐式距離)，確定開運(yùn)算中的結(jié)構(gòu)單元的大小。

3)識別圖像邊緣，過濾位于邊緣外的數(shù)據(jù)，確定為II類異常數(shù)據(jù)(離散異常數(shù)據(jù))；保留正常數(shù)據(jù)，其余部分視為III類異常數(shù)據(jù)(堆疊的異常數(shù)據(jù))。將風(fēng)力散點(diǎn)映射為散點(diǎn)繪圖中的像素點(diǎn)，基于映射關(guān)系標(biāo)記正常和三種類型的異常數(shù)據(jù)。