一种基于图像处理的风电机组SCADA异常运行数据处理方法技术

本发明专利技术公开了一种基于图像处理的风电机组SCADA异常运行数据处理方法。该方法基于风电机组运行数据，确定异常数据的数值特征和分布特征，将风机异常数据分为停机异常、噪声异常和限电异常；针对每台风机的运行数据，生成风速

【技术实现步骤摘要】
一种基于图像处理的风电机组SCADA异常运行数据处理方法


[0001]本专利技术涉及电力仿真分析领域，具体涉及一种基于图像处理的风电机组 SCADA异常运行数据处理方法。

技术介绍

[0002]随着新能源发电技术的发展，风电机组装机容量逐年增加，为了降低运维难 度和成本，通常通过SCADA系统监视风电机组运行状态，然而，SCADA系统 中含有大量异常数据，这些数据通常是由传感器故障或人为指令产生的，给风机 运维带来了困难。
[0003]现有研究分为基于统计学算法和基于图像处理算法对异常数据进行辨识， 统计学算法对大量堆叠的异常数据的辨识能力较弱。基于图像处理算法的风电 机组SCADA异常数据辨识，可以将数值特征辨识转换为图像特征辨识，提高大 量堆叠异常数据的辨识精确度，减少异常数据的清洗时间，然而传统的图像处理 算法的异常数据辨识效果依赖于参考图像和先验知识。因此，降低对参考图像和 先验知识的依赖，研究基于图像处理辨识风电机组SCADA异常运行数据是十 分必要的。

技术实现思路

[0004]针对现有技术的不足，本专利技术提出了一种基于图像处理的风电机组SCADA 异常运行数据处理方法。
[0005]本专利技术的目的可以通过以下技术方案实现：
[0006]一种风电机组SCADA异常运行数据处理方法，包括以下步骤：
[0007]建立风电机组SCADA运行数据集，确定风电机组异常数据的数值特征和 分布特征；
[0008]所述的风电机组SCADA运行数据集，采用数据r/>‑
图像映射方法，建立风电 机组风速
‑
功率密度图像；
[0009]基于停机异常数据的数值特征，辨识并清除风速
‑
功率密度图像中的停机异 常数据；
[0010]根据噪声异常数据与正常数据的密度差异，辨识并清除风速
‑
功率密度图像 中的噪声数据；
[0011]根据考虑限电异常数据的分布特征，辨识并清除风速
‑
功率图像中的噪声数 据。
[0012]可选地，采用数据
‑
图像映射方法建立风电机组的风速
‑
功率密度图像，根据 图像像素点的个数，建立同等大小的矩阵，用以记录数据点映射频率，考虑数据 点到图像的映射范围，根据数据点映射在图像上的频率确定对应矩阵元素的数 值。
[0013]可选地，根据停机异常数据的数值特征，分析该类异常数据的分布情况，在 SCADA数据集中进行标记，清除风速
‑
功率密度图像中的停机异常数据。
[0014]可选地，所述的辨识并清除风速
‑
功率密度图像中的停机异常数据的步骤包 括：根据风速
‑
功率密度图像分析噪声异常数据与正常数据之间的密度差异，采 用阈值分析法
辨识噪声异常数据，并清除风速
‑
功率图像中的噪声数据。
[0015]可选地，根据风速
‑
功率密度图像分析限电异常数据的分布特征，基于边缘 检测算法获取风速
‑
功率曲线边缘图像，在边缘图像的基础上利用霍夫变换确定 限电异常数据范围，根据数据
‑
图像映射关系辨识限电异常数据，并清除风速
‑
功 率图像中的限电数据。
[0016]可选地，以Canny边缘检测算法获取风速
‑
功率曲线边缘图像。
[0017]可选地，Canny边缘检测算法采用二阶索贝尔检测算子。
[0018]一种计算机可读的存储介质，存储有指令，所述指令被执行时，能够实现上 述任一的数据处理方法。
[0019]本专利技术的有益效果：
[0020]与现有技术相比，本专利技术所述方法基于图像处理算法，与基于统计学算法的 辨识方法相比，将异常数据特征辨识转换为图像特征辨识，降低了大样本情况下 异常数据辨识的复杂程度；此外，基于边缘检测和霍夫变换算法的堆叠异常数据 辨识算法，解决了传统数据辨识算法对该类数据辨识率低的不足，能准确辨识并 清除大量堆叠的异常数据；进一步地，与传统的基于图像处理算法的辨识方法相 比，本专利技术提出的异常数据辨识方法降低了对先验知识的需求，在不依赖参考图 像的前提下，实现了风电机组多种异常运行数据的辨识。
附图说明
[0021]下面结合附图对本专利技术作进一步的说明。
[0022]图1是本专利技术所述方法的流程图；
[0023]图2是本实施例的风速
‑
功率图像；
[0024]图3是本实施例中三种异常SCADA数据，(a)停机异常数据，(b)噪声异常 数据，(c)限电异常数据；
[0025]图4是边缘检测的实施过程；
[0026]图5是限电异常数据的检测结果；
[0027]图6(a)是本实施例的原始风速
‑
功率密度图像，(b)是本专利技术所述方法的数据 辨识及清除结果。
具体实施方式
[0028]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、 完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的 实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前 提下所获得的所有其它实施例，都属于本专利技术保护的范围。
[0029]如图1所示，在本专利技术的一些示例中，公开了一种风电机组SCADA异常 运行数据处理方法，可以包含以下步骤：
[0030]步骤1、建立风电机组SCADA运行数据集，确定风电机组异常数据的数 值特征和分布特征；
[0031]风电机组SCADA运行数据包括正常数据和异常数据，在正常运行情况 下，SCADA数据分布在风速
‑
功率主体曲线内部。然而，多种因素如传感器故 障或人为指令等会造成
SCADA数据异常，其中，异常数据可以分为三类，分 别为停机异常数据，噪声异常数据，限电异常数据。
[0032]停机异常数据是风电机组停机检修或故障产生的，该类数据叠加分布在曲 线底部，输出数据集中分布在0附近；
[0033]噪声异常数据是由于传感器噪声或通讯故障产生的，该类异常数据分布在 风速
‑
功率曲线主体外部，且不符合风电机组运行曲线。此外，该类异常数据在 整体样本中的比例较低；
[0034]限电异常数据是风电机组收到限电指令或并网受限，导致风电机组输出功 率低于额定功率。由于指令会持续一定的时间，因此，该类异常数据在连续的 一段时间内出现，在数据集中表现为有一定的出现频率，并在功率曲线上叠加 成一条直线；
[0035]步骤2、根据风电机组运行数据集，建立风电机组风速
‑
功率图像，明确数 据点频率；
[0036]基于风电机组SCADA运行数据集，考虑风速与功率的函数关系，获得风 速
‑
功率曲线。由于风速仪、功率计等传感器存在一定误差，因此需要考虑本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种风电机组SCADA异常运行数据处理方法，其特征在于，包括以下步骤：建立风电机组SCADA运行数据集，确定风电机组异常数据的数值特征和分布特征；所述的风电机组SCADA运行数据集，采用数据
‑
图像映射方法，建立风电机组风速
‑
功率图像；基于停机异常数据的数值特征，标记并清除风速
‑
功率密度图像中的停机异常数据；根据噪声异常数据与正常数据的密度差异，标记并清除风速
‑
功率密度图像中的噪声数据；根据限电异常数据的分布特征，标记并清除风速
‑
功率密度图像中的限电异常数据。2.根据权利要求1所述的风电机组SCADA异常运行数据处理方法，其特征在于，采用数据
‑
图像映射方法建立风电机组的风速
‑
功率密度图像，根据图像像素点的个数，建立矩阵用以记录数据点映射频率，考虑数据点到图像的映射范围，根据数据点映射在图像上频率确定对应矩阵元素的数值。3.根据权利要求1所述的风电机组SCADA异常运行数据处理方法，其特征在于，根据停机异常数据的数值特征，分析该类异常数据的分布情况，在SCADA数据集中进行标记，清除风速
‑
功率图像中的停机异常数据。4.根据权利要求1所述的风电机组SCADA异常运行数据处理方法，其特征在于，所述的辨...

【专利技术属性】
技术研发人员：龙寰，徐劭辉，顾伟，
申请(专利权)人：东南大学，
类型：发明
国别省市：