一种风电场数据的处理方法、装置及计算机可读存储介质制造方法及图纸

本发明专利技术公开了一种风电场数据的处理方法、装置及计算机可读存储介质。该方法包括：获取风电场数据，风电场数据包括风电功率数据和风速数据；识别并剔除风电场数据中的无效数据，无效数据包括无效风电功率数据和无效风速数据；基于小波分析，对风电功率数据进行降噪处理；对风速数据进行修正。本发明专利技术提供的方案能够对风电场数据进行处理，以提高对风电功率研究的准确性。

【技术实现步骤摘要】
一种风电场数据的处理方法、装置及计算机可读存储介质
本专利技术实施例涉及可再生能源应用领域，尤其涉及一种风电场数据的处理方法、装置及计算机可读存储介质。
技术介绍
随着电力大数据时代的到来，电力大数据在应用过程中存在着对行业内外能源数据、天气数据等多类型数据的大量关联分析需求，而多样化的数据极大地增加了电力数据的复杂度。风电场数据是电力大数据的重要组成部分，从风电场收集到的大量数据中通常包含异常运行数据点，由于风电所固有的较强波动性和随机性，很难从时序变化特征上完全区分正常数据和异常数据。因此，如何对消除异常数据对风电功率波动特性、风电功率预测、风电功率曲线的计算等方面研究带来的负面影响，成为了当前需要解决的问题。
技术实现思路
本专利技术实施例提供了一种风电场数据的处理方法、装置及计算机可读存储介质，能够对风电场数据进行处理，以提高对风电功率研究的准确性。第一方面，本专利技术实施例提供了一种风电场数据的处理方法，包括：获取风电场数据，风电场数据包括风电功率数据和风速数据；识别并剔除风电场数据中的无效数据，无效数据包括无效风电功率数据和无效风速数据；基于小波分析，对风电功率数据进行降噪处理；对风速数据进行修正。可选的，无效风电功率数据包括无法识别的功率数据、功率为负值的数据和功率大于额定出力值的数据；无效风速数据为无效风电功率数据对应的风速数据。可选的，基于小波分析，对风电功率数据进行降噪处理，包括：利用多尺度一维离散小波分解和重构，将风电功率数据变换为n层逼近分量和n层细节分量，n为大于或者等于2的整数；利用小波分析法，对包含噪声的细节分量进行降噪处理。可选的，对风速数据进行修正，包括：获取风速数据的相似集，相似集为与风速数据相似的历史风速数据；利用相似集，对风速数据进行修正。可选的，在获取风速数据的相似集前，还包括：利用高斯过滤器，将风速数据分解为至少两个波段；利用关联分析算法，得到每个波段的多维关联关系，多维关联关系为相对高度、相对长度与预报误差之间的关系；确认多维关联关系满足强关联规则。可选的，在所有历史风速数据中，相似集与风速数据之间的距离最短。第二方面，本专利技术实施例还提供了一种风电场数据的处理装置，包括：获取模块和处理模块；获取模块，用于获取风电场数据，风电场数据包括风电功率数据和风速数据；处理模块，用于识别并剔除风电场数据中的无效数据，无效数据包括无效风电功率数据和无效风速数据；基于小波分析，对风电功率数据进行降噪处理；以及对风速数据进行修正。可选的，处理模块，具体用于利用多尺度一维离散小波分解和重构，将风电功率数据变换为n层逼近分量和n层细节分量，n为大于或者等于2的整数；利用小波分析法，对包含噪声的细节分量进行降噪处理。可选的，处理模块，具体用于利用高斯过滤器，将风速数据分解为至少两个波段；利用关联分析算法，得到每个波段的多维关联关系，多维关联关系为相对高度、相对长度与预报误差之间的关系；确认多维关联关系满足强关联规则；获取风速数据的相似集，相似集为与风速数据相似的历史风速数据；利用相似集，对风速数据进行修正。第三方面，本专利技术实施例还提供了一种计算机可读存储介质，存储有计算机程序，计算机程序被处理器执行时实现上述任一实施例的方法。本专利技术实施例提供一种风电场数据的处理方法、装置及计算机可读存储介质，该方法包括：获取风电场数据，风电场数据包括风电功率数据和风速数据；识别并剔除风电场数据中的无效数据，无效数据包括无效风电功率数据和无效风速数据；基于小波分析，对风电功率数据进行降噪处理；对风速数据进行修正。通过剔除风电场数据中的无效数据，并对风电功率数据进行降噪处理、对风速数据进行修正，将原本非平稳、非线性的风电场数据尽可能地平稳化、规律化，以提高对风电功率波动特性、风电功率预测、风电功率曲线的计算等方面研究的准确性。附图说明图1是一实施例提供的一种风电场数据的处理方法的流程示意图；图2是一实施例提供的另一种风电场数据的处理方法的流程示意图；图3是一实施例提供的一种风电场数据的处理装置的结构示意图；图4是一实施例提供的一种电子设备的结构示意图。具体实施方式下面结合附图和实施例对本专利技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本专利技术，而非对本专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本专利技术相关的部分而非全部结构。随着电力大数据时代的到来，电力大数据在应用过程中存在着对行业内外能源数据、天气数据等多类型数据的大量关联分析需求，而多样化的数据极大地增加了电力数据的复杂度。在电力生产环节，风光储等新能源的大量接入，打破了传统相对“静态”的电力生产，使得电力生产的计量和管理变得日趋复杂。当前，风力发电是可再生能源开发利用中技术最成熟、最具开发规模和商业化发展前景的发电形式。随着风力发电技术的不断发展，由于风电功率所呈现的随机性、波动性和间歇性，风电大规模并网对电力系统的影响也越来越明显，研究风电对系统的影响并在此基础上提出相关技术解决措施已成为当前的研究热点和重要课题。风电场数据是电力大数据的重要组成部分，是研究风电功率波动特性、风电功率预测、风电功率对电网影响评估及控制策略、风电功率曲线的计算、测试以及修正的基础，因此，对风电场数据的记录就尤为重要。然而，从风电场收集到的大量数据中通常包含异常数据点，这样的异常点表现出数据缺失、越限、功率波动梯度过大等特征。由于风电所固有的较强波动性和随机性，很难从时序变化特征上完全区分正常数据和异常数据。因此，如何对消除异常数据对风电功率波动特性、风电功率预测、风电功率曲线的计算等方面研究带来的负面影响，成为了当前需要解决的问题。为解决上述问题，本专利技术实施例提供一种风电场数据的处理方法、装置及计算机可读存储介质，通过剔除风电场数据中的无效数据，并对风电功率数据进行降噪处理、对风速数据进行修正，将原本非平稳、非线性的风电场数据尽可能地平稳化、规律化，以提高对风电功率波动特性、风电功率预测、风电功率曲线的计算等方面研究的准确性。需要说明的是，本专利技术下述各个实施例可以单独执行，各个实施例之间也可以相互结合执行，本专利技术实施例对此不作具体限制。本专利技术实施例中用“第一”、“第二”等来描述各种组件，但是这些组件不应该受这些术语限制。这些术语仅用来将一个组件与另一组件区分开。下面，对风电场数据的处理方法、装置及其技术效果进行描述。图1为一实施例提供的一种风电场数据的处理方法的流程示意图，如图1所示，本实施例提供的方法适用于电子设备(如计算机等)，该方法包括如下步骤。S101、获取风电场数据，风电场数据包括风电功率数据和风速数据。对于风力发电运营管理方，通过实测风速数据和风电功率数据得到的功率曲线是衡量风电机组和风电场经济技术水平的最佳标本文档来自技高网...

【技术保护点】
1.一种风电场数据的处理方法，其特征在于，包括：/n获取风电场数据，所述风电场数据包括风电功率数据和风速数据；/n识别并剔除所述风电场数据中的无效数据，所述无效数据包括无效风电功率数据和无效风速数据；/n基于小波分析，对所述风电功率数据进行降噪处理；/n对所述风速数据进行修正。/n

【技术特征摘要】
1.一种风电场数据的处理方法，其特征在于，包括：
获取风电场数据，所述风电场数据包括风电功率数据和风速数据；
识别并剔除所述风电场数据中的无效数据，所述无效数据包括无效风电功率数据和无效风速数据；
基于小波分析，对所述风电功率数据进行降噪处理；
对所述风速数据进行修正。


2.根据权利要求1所述的方法，其特征在于，所述无效风电功率数据包括无法识别的功率数据、功率为负值的数据和功率大于额定出力值的数据；所述无效风速数据为所述无效风电功率数据对应的风速数据。


3.根据权利要求1所述的方法，其特征在于，所述基于小波分析，对所述风电功率数据进行降噪处理，包括：
利用多尺度一维离散小波分解和重构，将所述风电功率数据变换为n层逼近分量和n层细节分量，n为大于或者等于2的整数；
利用小波分析法，对包含噪声的细节分量进行降噪处理。


4.根据权利要求1所述的方法，其特征在于，所述对所述风速数据进行修正，包括：
获取所述风速数据的相似集，所述相似集为与所述风速数据相似的历史风速数据；
利用所述相似集，对所述风速数据进行修正。


5.根据权利要求4所述的方法，其特征在于，在获取所述风速数据的相似集前，还包括：
利用高斯过滤器，将所述风速数据分解为至少两个波段；
利用关联分析算法，得到每个所述波段的多维关联关系，所述多维关联关系为相对高度、相对长度与预报误差之间的关系；
确认所述多维关联关...

【专利技术属性】
技术研发人员：祁乐，唐健，江平，王彦文，田伟，岳高阳，
申请(专利权)人：广西电网有限责任公司，北京东润环能科技股份有限公司，
类型：发明
国别省市：广西;45