【技术实现步骤摘要】
一种测风塔异常风速数据识别与补齐的方法
本专利技术涉及风电
，是一种测风塔异常风速数据识别与补齐的方法。
技术介绍
风电场历史数据主要包括：测风塔气象数据和风场监控系统得到的风机实际功率数据，测风塔气象数据具体包含风速、风向、气压、温度、湿度等信息，能真实客观地反映该区域的风能资源情况，并且可以用于计算理论发电量。但在实际的风电场运营中，因数据采集通道拥堵或测量环节故障导致几乎每个风电场都会出现数据异常、不真实甚至丢失。若直接使用这些坏数据进行风电场运行的研究，将导致结果产生较大误差，降低了评估结果的准确度，常用的测风塔异常数据识别方法一般是四分位法和3σ准则，但在数据识别时往往会误识别大量正常数据；现有的测风塔异常数据补齐方法可分为平均值补齐、条件平均值补齐、组合化补齐、条件组合化补齐等。上述方法既可以对连续型数据补齐又可以对离散型数据补齐，很好地保证了数据的分布规律，但忽略了数据属性之间以及对象之间的相互关系。本专利技术的目的是，提供一种物理意义清晰、考虑系统动态特性，具有科学合理、实用性强、精度高...
【技术保护点】
1.一种测风塔异常风速数据识别与补齐的方法，其特征在于：它包括以下步骤：/n1)风速数据异常值的设置/n测风塔气象数据具体包含风速、风向、气压、温度、湿度信息，其中风速数据选择测风塔距地面10m、50m、65m和80m四个高度进行量测，将测风塔四个高度在同一时间段的1000×4个历史风速数据作为研究样本，考虑到测风塔本身异常数据特性，在每一个高度的1000个数据中选择100个随机置0作为异常数据；/n2)识别异常风速数据/n对异常风速数据的识别是基于最小二乘滤波和肖维勒处理两种方法实现的，具体步骤为：/n①对四个高度的异常风速数据进行最小二乘滤波处理，最小二乘法是将输入的暂...
【技术特征摘要】
1.一种测风塔异常风速数据识别与补齐的方法，其特征在于：它包括以下步骤：
1)风速数据异常值的设置
测风塔气象数据具体包含风速、风向、气压、温度、湿度信息，其中风速数据选择测风塔距地面10m、50m、65m和80m四个高度进行量测，将测风塔四个高度在同一时间段的1000×4个历史风速数据作为研究样本，考虑到测风塔本身异常数据特性，在每一个高度的1000个数据中选择100个随机置0作为异常数据；
2)识别异常风速数据
对异常风速数据的识别是基于最小二乘滤波和肖维勒处理两种方法实现的，具体步骤为：
①对四个高度的异常风速数据进行最小二乘滤波处理，最小二乘法是将输入的暂态信号与一预设的含有非周期分量、基波分量和某些整次谐波分量的函数依据最小二乘法原则进行拟合，其拟合函数为
式中XRn、XIn分别为n次谐波信号的实部和虚部,即XRn＝Xncosθn,XIn＝Xnsinθn；Xn为信号的幅值，θn为初相角；X0为衰减非周期分量的起始值，Td为时间常数；
②滤波后得到滤波误差，观察滤波误差符合正态分布，对其进行肖维勒识别，肖维勒准则是在n次测量中，取不可能发生的个数为0.5，那么对正态分布而言，误差不可能出现的概率为：
利用标准正态函数表，根据等式右端的已知值n可查表求出肖维勒系数ωn，对于数据点xd，若其残差Vd满足Vd>ωnσ则剔除，否则xd应保留，其中σ是样本标准差；
3)识别结果校正
测风塔相应高度的风速数据都具有一定的关联性，选择相应高度的风速数据，按(3)式进行校正:
wi＝Eai-Ebi(3)
式中Eai为待处理高度处第i时刻风速滤波误差，Ebi为对比高度处第i时刻风速滤波误差，wi为滤波差值；
若wi在某一范围内，表示第i时刻的风速数据正常波动，超出这个范围表示第i时刻的风速数据波动异常；
4)异常风速数据补齐
对异常风速数据补齐选择基于属性重要度的相似片段补齐法，是按某列数据对整体数据的重要性分先后顺序进行补齐，具体步骤为：
①首先将异常风速数据分为完整数据集和缺失数据集，在完整数据集中进行属性重要度分析；
②选择Calinski-Harabasz准则确定最佳聚类数，K：四类数据计算得最佳聚类数；K1：删除10m风速时计算的最佳聚类数；K2：删除50m风速时计算的最佳聚类数；K3：删除65m风速时计算的最佳聚类数；K4：删除80m风...
【专利技术属性】
技术研发人员：杨茂，白玉莹，孙勇，李振元，李宝聚，熊健，
申请(专利权)人：东北电力大学，国网吉林省电力有限公司，
类型：发明
国别省市：吉林;22
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。