一种异常风功率数据的剔除方法技术

本发明专利技术提供了一种异常风功率数据的剔除方法，通过分析能够反映风机运行控制优劣的叶尖速比参数，获取正常运行状态下的风机叶尖速比范围，然后对叶尖速比异常的数据采用数学方法进行剔除，即可获得正常运行状态下的功率曲线。本发明专利技术结合风机运行原理相关的参数分析进行风功率异常点清洗，可以实现较好地风功率数据较好的清洗效果，获取正常运行的风功率数据。四分位算法实现简单，耗时较短，本发明专利技术在没有增加算法复杂的程度的基础上，达到了比单纯采用数学方法对风速和功率散点进行分区间清洗更好的清洗效果；本发明专利技术技术方案操作简单可行、效率高、清洗效果好。

A method of eliminating abnormal wind power data

【技术实现步骤摘要】
一种异常风功率数据的剔除方法
本专利技术涉及一种异常风功率数据的剔除方法，用于剔除不良运行风功率数据，以获取正常运行的风功率曲线，适用于风力发电行业，属于风电机组运维管理业务的应用

技术介绍
风功率曲线指风力发电机组输出功率和风速的对应曲线，描绘风电机组净电功率输出与风速的函数关系。随着风力发电在整个发电行业中所占的比重增加，对传统风机风功率曲线的获取显得尤为重要。风功率曲线在风场经济性分析活动中具有重要作用，它不仅能验证风机运行状况是否在厂家额定值范围内，还可以横向对比各风机的数据，及时发现问题，加以排查，减少电量损失。实际运行过程中，风机运行数据在采集、测量、传输、转换的各个环节都可能发生故障或受到干扰，导致数据的异常、缺失。不仅如此，目前国内存在因风电接纳能力有限而造成的“弃风”现象，形成由人为因素产生的“限电”数据。这两类运行数据统称为风机运行不良数据，若将其风机性能和经济性分析的基础数据，势必会影响和分析结果的准确性和可靠性。目前针对风功率不良数据的识别主要是采用纯数学的处理方法，文献《风电机组风速-功率异常运行数据特征及清洗方法》，沈小军对现有的风功率异常数据清洗方法进行了总结，从原理上可分为三类：第一类方法是根据数据点的密度或距离来判断该点是否为异常点，但该类方法对分布密集的堆积型异常数据识别效果有限；第二类方法是建立风功率曲线的数学模型，但此类方法需要大量正常数据作为样本，且普适性较差；第三类方法是根据异常数据的位置分布特征识别异常数据，该类方法的依据是异常数据点位于风功率曲线正常出力特性范围之外，理论上可实现多类型异常数据的清洗，而且不需要数据样本训练，通用性强，后续应用值得期待，但现有研究成果对大量堆积型异常数据的识别与清洗效果有待提高。经过对现有技术的检索，中国专利文献号CN108590982A，公告日2018-09-28，记载了一种风电机组限功率运行的异常数据处理方法，通过引入风电机组限电运行状态下的合理假设，将风电机组限功率运行下的数据处理问题转化为混合概率分布模型，应用K-Means聚类算法初始化模型参数，然后根据期望值最大化(EM)算法，推导参数更新表达式，通过迭代的方式最大化对数似然函数，得到最优模型参数，以实现限功率运行状态下风电机组异常运行数据的识别。中国专利文献号CN107527057A，公告日2017-12-29，记载了一种风速功率异常数据剔除方法及装置，通过建立历史风速功率数据散点图，利用散点的频率分布特征将散点图转换为数字图像，基于数字图像滤波、去高频分量、还原图像、拟合边界等一系列处理后，剔除异常数据。上述两种方法一是针对数据本身的纯数学处理，一种是基于图像处理的风功率不良数据剔除方法，一方面在算法上都比较复杂，针对风电场大量数据的处理会消耗较多的时间。另一方面，由于风场风机异常数据的特征的个性化，其处理效果都有一定的局限性。
技术实现思路
本专利技术要解决的技术问题是：现有风功率异常数据剔除算法复杂且剔除效果不好的问题。为了解决上述问题，本专利技术的技术方案是提供了一种异常风功率数据的剔除方法，其特征在于，包括如下步骤：S1、读取至少一个月的风电场风机运行数据，所述风机运行数据包括时间、风速、有功功率和风轮转速数据。S2、风机运行数据的预处理，选择风速在风机切入和切出风速之间的时间段对应的所有数据，剔除其中有功功率小于等于0的时间段对应的所有数据。S3、计算叶尖速比λ，得到叶尖速比λ的时间序列，λ＝ωR/U其中ω为风轮转速，R为叶轮半径，U为风速；S4、按一定的风速间隔分组建立对风速-叶尖速比的散点关系；S5、对每个分组内的叶尖速比数据采用四分位法进行异常值剔除；S6、对处理后得到的数据按一定的风速间隔分组建立对风速-功率的散点关系；S7、对S6中每个分组内的功率数据采用四分位法进行异常值剔除；S8、剔除风速高于额定风速A倍时，有功功率低于1/A倍额定功率的功率数据。优选地，所述S1中选取所有数据10min的平均值。优选地，所述S4中以0.5m/s的风速间隔区间进行分组。优选地，所述S6中以0.5m/s的风速间隔区间进行分组。优选地，所述S8中A＝1.25。优选地，所述S5或S7中四分位法的四分位数为Q1，Q2，Q3，四分位距IQR＝Q3-Q1，确定数据样本中异常值的内限如下：[Fd，Fu]＝[Q1-klIQR，Q3+khIQR]处于内限[Fd，Fu]以外的数据为异常值，其中k1和kh分别为区间下边界和上边界的系数。优选地，所述区间下边界kl和区间上边界kh分别取1.2和0.6。叶尖速比是用来表述风电机特性的一个十分重要的参数。风轮叶片尖端线速度与风速之比称为叶尖速比；叶片越长，或者叶片转速越快，同风速下的叶尖速比就越大。叶尖速比表征了风力机在一定风速下运转速度的高低，故亦称高速性系数。针对现有技术中存在的问题，本专利技术提供一种基于风机运行原理分析与数学处理方法相结合的风功率不良数据清洗方法，通过分析能够反映风机运行控制优劣的叶尖速比参数，获取正常运行状态下的风机叶尖速比范围，然后对叶尖速比异常的数据采用数学方法进行剔除，即可获得正常运行状态下的功率曲线。与现有技术相比，本专利技术的有益效果是：本专利技术结合风机运行原理相关的参数分析进行风功率异常点清洗，可以实现较好地风功率数据较好的清洗效果，获取正常运行的风功率数据。四分位算法实现简单，耗时较短，本专利技术在没有增加算法复杂的程度的基础上，达到了比单纯采用数学方法对风速和功率散点进行分区间清洗更好的清洗效果；本专利技术技术方案操作简单可行、效率高、清洗效果好。附图说明图1为本专利技术一种异常风功率数据的剔除方法流程图；图2为原始风功率散点图，其中横轴为风速，单位为m/s，纵轴为功率，单位为KW；图3为原始风速-叶尖速比分析结果散点图，其中横轴为风速，单位为m/s，纵轴为叶尖速比，单位为1；图4为本专利技术清洗后的风速-叶尖速比散点图，其中横轴为风速，单位为m/s，纵轴为叶尖速比，单位为1；图5为采用本专利技术的方法清洗后的风功率散点图，其中横轴为风速，单位为m/s，纵轴为功率，单位为KW。具体实施方式为使本专利技术更明显易懂，兹以优选实施例，并配合附图作详细说明如下。如图1至图5所示，本专利技术涉及一种异常风功率数据的剔除方法，以获得正常运行的风功率曲线。其具体步骤如下：(1)读取风电场的风机运行数据包括时间、风速、有功功率、风轮转速数据，优选地，选择所有数据10min的平均值，读取数据的持续时间长度至少为1个月。(2)数据的预处理。选择风速在风机切入和切出风速之间的时间段对应的所有数据，剔除其中有功功率小于等于0的时间对应的所有数据。(3)叶尖速比的计算。采用式(1)计算风机的叶尖速比，得到叶尖速比的时间序列。式中，ω为本文档来自技高网...

【技术保护点】
1.一种异常风功率数据的剔除方法，其特征在于，包括如下步骤：/nS1、读取至少一个月的风电场风机运行数据，所述风机运行数据包括时间、风速、有功功率和风轮转速数据。/nS2、风机运行数据的预处理，选择风速在风机切入和切出风速之间的时间段对应的所有数据，剔除其中有功功率小于等于0的时间段对应的所有数据。/nS3、计算叶尖速比λ，得到叶尖速比λ的时间序列，/nλ＝ωR/U/n其中ω为风轮转速，R为叶轮半径，U为风速；/nS4、按一定的风速间隔分组建立对风速-叶尖速比的散点关系；/nS5、对每个分组内的叶尖速比数据采用四分位法进行异常值剔除；/nS6、对处理后得到的数据按一定的风速间隔分组建立对风速-功率的散点关系；/nS7、对S6中每个分组内的功率数据采用四分位法进行异常值剔除；/nS8、剔除风速高于额定风速A倍时，有功功率低于1/A倍额定功率的功率数据。/n

【技术特征摘要】
1.一种异常风功率数据的剔除方法，其特征在于，包括如下步骤：
S1、读取至少一个月的风电场风机运行数据，所述风机运行数据包括时间、风速、有功功率和风轮转速数据。
S2、风机运行数据的预处理，选择风速在风机切入和切出风速之间的时间段对应的所有数据，剔除其中有功功率小于等于0的时间段对应的所有数据。
S3、计算叶尖速比λ，得到叶尖速比λ的时间序列，
λ＝ωR/U
其中ω为风轮转速，R为叶轮半径，U为风速；
S4、按一定的风速间隔分组建立对风速-叶尖速比的散点关系；
S5、对每个分组内的叶尖速比数据采用四分位法进行异常值剔除；
S6、对处理后得到的数据按一定的风速间隔分组建立对风速-功率的散点关系；
S7、对S6中每个分组内的功率数据采用四分位法进行异常值剔除；
S8、剔除风速高于额定风速A倍时，有功功率低于1/A倍额定功率的功率数据。


2.如权利要求1所述的一种异常风功率数据的剔除方法，其特征在于：所述S1中选取所有数...

【专利技术属性】
技术研发人员：梅勇，马文通，李霄，邓超翔，张珈豪，邬慧君，段森，潘丹璐，蓝翔，
申请(专利权)人：中电投电力工程有限公司，
类型：发明
国别省市：上海;31