[發明專利]一種風機風速-功率數據組合處理方法

在審

• 申請號: 202110969502.5
• 申請日: 2021-08-23
• 公開（公告）號: CN113821502A
• 公開（公告）日: 2021-12-21
• 發明（設計）人: 劉素貞;李禹澎;金亮;張闖;楊慶新
• 申請（專利權）人: 河北工業大學
• 主分類號: G06F16/215
• 分類號: G06F16/215;G06F16/2458;G06F17/18;G06K9/62;G06N3/04;G06N3/08;G06Q50/06
• 代理公司: 合肥銘輝知識產權代理事務所(普通合伙) 34212
• 代理人: 張立榮

本發明提供了一種風機風速?功率數據組合處理方法。包括通過變點分組法和四分位法對風機風速?功率數據中的異常數據進行識別并剔除；通過樹木生長算法進行超參數優化的時間卷積網絡對剔除后的風速?功率數據進行重構，得到符合風速?功率理論曲線的風速?功率時間點連續數據。使用時間卷積網絡作為回歸模型進行數據重構，來解決四分位法數據清洗后數據有大量連續缺失的問題，該方法不依賴人工經驗且對各類型的風機風速?功率異常數據均有較好的識別效果；本發明利用樹木生長算法對時間卷積網絡的超參數進行優化，有效減少了風速?功率數據處理的人工經驗依賴和耗時，提高了全局搜索能力。

技術領域

本發明屬于風力發電功率預測技術領域，涉及到風機風速-功率數據處理技術，具體涉及一種風機風速-功率數據組合處理方法。

背景技術

風能作為一種清潔的可再生能源，正迅速成為可持續發展和能源戰略的重要組成部分。但由于風電功率具有的間歇性、波動性和隨機性等特征，會對電力系統運行的可靠性和穩定性造成不利影響。提高風力發電的可預見性是消除這些不利影響的一種重要手段。準確的風電機組實際運行的風速和功率數據可用于評估風電機組性能和運行狀況，對風電功率預測有重要價值。但在風電場運行過程中，由于機組停機、減載、通信噪聲和設備故障等因素會產生大量異常數據，如不經處理直接使用會影響預測效果。

現有對風機風速功率數據的處理方法可分為數據清洗(即異常識別與剔除)和缺失數據重構。其中數據清洗方法從原理上可分為三類：第一類方法是根據數據點的密度或距離來判斷該點是否為異常點，其對分布密集的堆積型數據異常數據識別效果有限；第二類方法是建立風功率曲線的數學模型，但其需要大量非異常數據作為樣本且普適性較差；第三類方法是根據異常數據的位置分布特征識別異常數據，依據是異常數據點位于風功率曲線正常出力特性范圍之外，理論上對各種類型的異常數據均有較好的識別效果且不需要數據樣本訓練，通用性強。變點分組-四分位法是近年涌現的第三類方法的典型代表。

數據本身缺失和數據清洗都會導致缺失數據。缺失數據重構方法可分為三類：第一類是時間序列回歸法，需要以大量連續數據點為基礎；第二類是構建插值多項式方法如牛頓插值法、三次樣條插值法等，在連續缺失數據達到一定數量后會出現較大累計偏差導致整體差值效果較差；第三類是概率統計方法，其在有限數據量情況下適用性較差。對風機風速功率數據進行處理時，除了分別考慮數據清洗方法和缺失數據重構方法的有效性外，還要考慮兩種方法的配合及組合處理效果。

發明內容

本發明實施例提供了一種風機風速-功率數據組合處理方法。通過變點分組-四分位法得到清洗后的有缺失的風機風速-功率數據，針對該方法清洗后會出現大量連續缺失數據的特征，選擇以時間卷積網絡為回歸模型的時間序列回歸法進行缺失數據重構。由于時間卷積網絡的結構對缺失數據重構的效果有重要影響，而決定時間卷積網絡結構的超參數的選取依賴人工經驗且耗時長，因而使用樹木生長算法對時間卷積網絡的超參數進行優化。該組合數據處理方法在數據清洗和缺失數據重構方面有良好的配合度，在對人工經驗依賴度低、計算量小、耗時短的前提下有良好的數據處理效果。

本發明采用如下技術方案：

一種風機風速-功率數據組合處理方法，包括如下步驟：

步驟1、從SCADA系統等獲取數據，其中，所述數據為風機某時間段內相隔相同時間的各時間點的風速-功率數據；

步驟2、使用變點分組法和四分位法對所述數據進行清洗；

步驟3、使用樹木生長算法對時間卷積網絡的超參數進行優化；

步驟4、按步驟3確定的時間卷積網絡結構生成時間卷積網絡，使用步驟2得到的清洗后的部分時間點數據缺失的風機風速-功率數據作為輸入對其進行訓練，訓練完成后利用訓練好的時間卷積網絡完成對部分時間點數據缺失的風機風速-功率數據的重構，得到重構后的無數據缺失的時間點的風機風速-功率數據。

進一步的，所述步驟2中的清洗，包括如下步驟：