-
题名基于多阶段递进识别的风电机组异常运行数据清洗方法
被引量：24
- 1
-
-
作者
王一妹
刘辉
宋鹏
胡泽春
邓晓洋
吴林林
-
机构
国网冀北电力有限公司电力科学研究院
风光储并网运行技术国家电网公司重点实验室
清华大学电机系
-
出处
《可再生能源》
CAS
北大核心
2020年第11期1470-1476,共7页
-
基金
国家重点研发计划项目(2016YFB0900500)。
-
文摘
随着风电场建设的大型化,与风电场运行相关的数据质量问题日益突出,严重影响了风电场运行的准确性及经济性。为了提高风电机组单机运行数据的质量,针对风电机组实测风速-功率散点图中存在的离群异常点、0功率堆积点、1功率低风速点和恒功率限电点4类异常点,文章分别建立了基于密度聚类法、截断法、斜率控制法、核密度估计法的异常数据识别模型,实现了风电机组运行数据的定向清洗。基于北方某运行风电场进行算例验证,结果表明,所提3阶段(无限电)及4阶段(含限电)数据清洗方法能够有效剔除风电机组的异常风速-功率数据,清洗后的风速-功率散点分布呈光滑的功率曲线区间带形式,且清洗过程剔除数据的占比低于10%,在保证数据完整性的基础上提高了数据质量。该异常数据清洗方法能够为风电场控制、功率预测等优化运行工作提供技术支持。
-
关键词
风电机组
风速-功率散点图
密度聚类
核密度估计
异常数据识别
-
Keywords
wind turbine
P-V scatters
density-based clustering
kernel density estimation
recognition of abnormal data
-
分类号
TK81
[动力工程及工程热物理—流体机械及工程]
-
