-
题名基于分段图像识别的风电场异常运行数据清洗方法
被引量：10
- 1
-
-
作者
刘宇璐
张雅洁
王罗
张美俊
张小龙
韩爽
-
机构
新能源电力系统国家重点实验室(华北电力大学)
华北电力大学新能源学院
中国长江三峡集团有限公司
中国三峡新能源(集团)股份有限公司内蒙古分公司
-
出处
《可再生能源》
CAS
CSCD
北大核心
2023年第4期500-506,共7页
-
基金
中国长江三峡集团有限公司企业科技项目(212103368)。
-
文摘
风电场异常运行数据清洗对风电场功率预测、理论功率计算以及发电性能评估至关重要。针对现有数据清洗方法中基于统计特征的清洗算法无法有效清洗风功率曲线中部的堆积型异常数据,基于图像识别的直接清洗算法会忽略不同风速区间的像素点密度分布差异等问题,文章提出了基于分段图像识别的风电场异常运行数据清洗方法。首先,以切入风速和额定风速为数据集分段点,生成分段二值图像集,构建基于Canny边缘检测的分散型像素点辨识模型;然后,基于边缘内图像集,构建基于数学形态学的堆积型异常像素点辨识模型;最后,以中国西北地区某两个风电场的实际运行数据为算例,与四分位法、基于密度的空间聚类(DBSCAN)法、基于图像的直接清洗算法进行对比分析,验证了所提算法的有效性和适用性。所提方法采用数学形态学分割图像的主要部分和突起部分,从而有效辨识风功率曲线中部的堆积型异常数据;通过设置不同分段图像的清洗参数以改进图像直接清洗算法对局部细节的识别性能,清洗后的正常数据散点分布更为平滑。
-
关键词
风电场运行数据
数据清洗
分段图像识别
CANNY边缘检测
数学形态学
-
Keywords
wind farm operation data
data cleaning
piecewise image recognition
Canny edge detection
mathematical morphology
-
分类号
TK81
[动力工程及工程热物理—流体机械及工程]
-
