[發明專利]風電機組實際功率曲線擬合方法、裝置、設備及存儲介質

在審

• 申請號: 202110353565.8
• 申請日: 2021-03-31
• 公開（公告）號: CN113139880A
• 公開（公告）日: 2021-07-20
• 發明（設計）人: 王艷軍;于偉東;于永澔
• 申請（專利權）人: 華潤風電（費縣）有限公司
• 主分類號: G06Q50/06
• 分類號: G06Q50/06;G06F30/27;G06F113/06
• 代理公司: 深圳市世紀恒程知識產權代理事務所 44287
• 代理人: 舒丁

1.一種風電機組實際功率曲線擬合方法，其特征在于，所述風電機組實際功率曲線擬合方法包括以下步驟：

獲取風電機組的數據信息，并對所述數據信息進行預處理，得到目標數據集；

將所述目標數據集按照風速由小到大進行排序得到排序后的目標數據集，并對所述排序后的目標數據集進行分段處理，得到分段風速對應的功率數據集；

若所述功率數據集超過設定的最小功率，且超出的數據占比大于等于設定值，則所述功率數據集對應的風速為切入風速；

若所述功率數據集超過設定的額定功率，且超出的數據占比大于等于設定值，則所述功率數據集對應的風速為額定風速；

根據所述切入風速和所述額定風速對所述目標數據集進行分段，并對分段后的目標數據集采用分段Dbin擬合處理，確定功率擬合曲線。

2.如權利要求1所述的風電機組實際功率曲線擬合方法，其特征在于，所述獲取風電機組的數據信息，并對所述數據信息進行預處理，得到目標數據集之前，還包括：

獲取風電機組SCADA系統采集的原始數據；

根據預設算法需求對所述原始數據進行數組處理，得到風電機組的數據信息。

3.如權利要求1所述的風電機組實際功率曲線擬合方法，其特征在于，所述獲取風電機組的數據信息，并對所述數據信息進行預處理，得到目標數據集，包括：

獲取風電機組的數據信息，根據預設函數對所述數據信息的空值進行填補，得到初始數據集；

剔除所述初始數據集中功率小于最低預設值且大于最高預設值的數據，得到實際數據集；

通過預設算法對所述實際數據進行篩選，得到目標數據集。

4.如權利要求3所述的風電機組實際功率曲線擬合方法，其特征在于，所述通過預設算法對所述實際數據進行篩選，得到目標數據集，包括：

基于預設控制策略對所述實際數據進行過濾，得到樣本數據；

通過預設聚類算法對所述樣本數據進行聚類，得到樣本數據簇；

通過預設核密度算法對所述樣本數據簇進行篩選，得到目標數據集。

5.如權利要求4所述的風電機組實際功率曲線擬合方法，其特征在于，所述通過預設核密度算法對所述樣本數據簇進行篩選，得到目標數據集，包括：

根據所述樣本數據簇進行劃分處理，得到劃分區間；

獲取所述劃分區間對應的功率值，并將所述功率值通過預設算法確定概率密度；

根據概率密度確定目標區間概率密度值，并根據所述目標區間概率密度值對所述樣本數據簇進行篩選，得到目標數據集。

6.如權利要求5所述的風電機組實際功率曲線擬合方法，其特征在于，所述根據概率密度確定目標區間概率密度值，并根據所述目標區間概率密度值對所述樣本數據簇進行篩選，得到目標數據集，包括；

將初始區間概率密度值置零；

在初始區間概率密度值基礎上進行區間概率密度累加，得到目標概率集密度值；

獲取置信度，并對所述置信度與所述目標概率集密度值進行判斷；

若所述目標概率集密度值大于所述置信度，則根據所述目標概率集密度值對應的劃分區間得到目標數據集。

7.如權利要求1至6中任一項所述的風電機組實際功率曲線擬合方法，其特征在于，所述根據所述切入風速和所述額定風速對所述目標數據集進行分段，并對分段后的目標數據集采用分段Dbin擬合處理，確定功率擬合曲線之后，還包括：

根據所述功率擬合曲線確定理論功率值；

獲取功率實際測量值，并根據所述功率實際測量值和所述理論功率值確定均方根誤差值、歸一化均方根誤差值、平均絕對誤差值、平均相對誤差值和皮爾遜相關系數值；

根據所述均方根誤差值、所述歸一化均方根誤差值、所述平均絕對誤差值、所述平均相對誤差值和所述皮爾遜相關系數值對所述擬合曲線進行評價，得到評價指標。