【技术实现步骤摘要】
本专利技术涉及风力发电测风数据异常识别的，尤其是指一种基于机器学习的测风数据异常识别方法及系统。
技术介绍
1、测风数据在风力发电中具有重要的意义，是评估风电场前期规划和运行参数的重要依据，是保障风机安全性和稳定性的重要手段，是降低运维成本的关键因素。由于测风设备长期建立在野外，受环境及自身的影响导致错误的记录、测量误差、系统故障或其他异常情况，数据存在较多异常，严重影响了测风数据的质量。而准确的测风数据可以有效的评估风能潜力，最大化发电效率，精准计算经济效益。
2、目前，针对测风数据的识别主要靠风资源工程师通过风资源分析工具来分析，凭借人工经验对异常的测风数据进行识别并手动拖动数据进行异常标记，该处理过程耗时费力，且受人为主观意识的影响，容易导致识别结果参差不齐，难以保证识别质量。
技术实现思路
1、本专利技术的第一目的在于克服现有技术的不足，提出了一种基于机器学习的测风数据异常识别方法，该方法具有复杂结构表达能力和自学习能力，能够学习人工标记的经验，挖掘数据的变化规律，以减...
【技术保护点】
1.一种基于机器学习的测风数据异常识别方法，其特征在于，包括：
2.根据权利要求1所述的一种基于机器学习的测风数据异常识别方法，其特征在于，所述对知识库中的历史测风数据进行标记包括以下步骤：
3.根据权利要求1所述的一种基于机器学习的测风数据异常识别方法，其特征在于，所述基于机器学习的随机森林构建异常识别模型包括以下步骤：
4.根据权利要求1所述的一种基于机器学习的测风数据异常识别方法，其特征在于：所述测风设备包括测风塔、激光雷达和声雷达；所述测风数据的类型包括风速类型、风向类型、气温类型、气压类型和相对湿度类型。
5....
【技术特征摘要】
1.一种基于机器学习的测风数据异常识别方法，其特征在于，包括：
2.根据权利要求1所述的一种基于机器学习的测风数据异常识别方法，其特征在于，所述对知识库中的历史测风数据进行标记包括以下步骤：
3.根据权利要求1所述的一种基于机器学习的测风数据异常识别方法，其特征在于，所述基于机器学习的随机森林构建异常识别模型包括以下步骤：
4.根据权利要求1所述的一种基于机器学习的测风数据异常识别方法，其特征在于：所述测风设备包括测风塔、激光雷达和声雷达；所述测风数据的类型包括风速类型、风向类型、气温类型、气压类型和相对湿度类型。
5.根据权利要求1所述的一种基于机器学习的测风数据异常识别方法，其特征在于，所述数据清洗包括...
【专利技术属性】
技术研发人员：李秀昊，张敏，周月，刘怀西，吴迪，苗得胜，
申请(专利权)人：海南明阳智慧能源有限公司，
类型：发明
国别省市：
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。