【技术实现步骤摘要】
本申请涉及风力发电，尤其涉及风功率异常数据清洗。
技术介绍
1、风功率曲线是风电企业一个重要的性能指标，反映了目标风机的发电性能与运行状态。风功率曲线包含标准功率曲线与实际功率曲线，标准功率曲线一般由主机厂家提供，而实际功率曲线是通过对生产过程中的风功率数据进行数据处理拟合出来的。由于风机运行过程·中，不可避免的出现大量的异常数据，实际功率曲线为了真实还原风机性能，其最重要的环节就是对大量的风功率数据进行异常数据识别与清洗。
2、现阶段常用的风功率异常数据识别与清洗方法可分为以下几类：①基于统计分析的异常数据识别方法，主要有3-sigma法、四分位法、组内最优方差、变点分组、thompsontau、云分段最优熵和copula理论等算法；②基于机器学习的异常数据识别方法，主要有k-means算法、基于密度的空间聚类dbscan(density-based spatial clusteringofapplications with noise)法；基于图像的异常数据识别方法，主要有基于图像边缘识别的技术、基于图像分割技术与基于图像像素技术三种方法。不同的异常数据识别方法在实际应用过程中具有各自的特点，其中，四分位法异常数据识别速度较快，对离散型数据识别效果较好，通用性强，稳定性好，但在异常数据占比较大时，辨识效果不佳；dbscan算法可有效实现分散型数据的识别，并可用于一维或多维特征空间，但对堆积型数据识别能力较差；图像处理技术对异常数据识别较慢，对各类异常数据识别效果相对较好，但技术实现难度较高，无法区分出切出风速附近
3、1、大部分是依赖单纯的算法性能进行数据辨识、分析，没有考虑目标风机本身的运行工况(尤其是异常工况与风机自身参数)作为边界条件进行数据筛选。当部分异常数据恰好分布在密集数据带中间(即故障数据偶然分布在正常数据之间)，依靠纯算法的处理则无法实现对这类异常数据的有效辨识与剔除。
4、2、不同机型的风机生成的功率曲线各不相同，因为一些偶然的因素(设备故障、性能异常等)造成风功率数据具有不同的数据分布特征。一些主流的数据清洗方法无法完全适用于每个风电场不同机型的风功率曲线特性。
5、因此，行业内亟需设计一套风功率异常数据处理方法，实现对生产过程中异常数据的高效识别与清洗，并且拟合成的实际功率曲线能够真实还原风机功率曲线特征，反映风机运行性能，兼具通用性强、方法易于实现的特点。
技术实现思路
1、本专利技术目的是为了解决现有风功率异常数据清洗方法无法区分出切出风速附近的虚假异常数据、通用性不高和复杂度高的问题，提供了基于物理模拟的风功率异常数据清洗方法和设备。
2、本专利技术是通过以下技术方案实现的，本专利技术一方面，提供一种基于物理模拟的风功率异常数据清洗方法，所述方法包括：
3、获取风机性能参数；
4、采集风电场scada系统风功率数据；
5、根据所述风机运行过程中的物理特征与所述风机性能参数模拟风机日常运行过程中的异常工况，识别风功率异常数据；
6、根据所述风功率异常数据，设置数据清洗条件；
7、根据所述数据清洗条件，对所述风电场scada系统风功率数据进行第一次清洗；
8、利用智能算法，对所述第一次清洗后的数据进行第二次数据清洗，将局部离散型和堆积型的异常数据进行识别与清洗，完成基于物理模拟的风功率异常数据清洗。
9、进一步地，所述风机性能参数包括但不限于：发电机额定转速记为nr、风机额定功率记为pn和并网转速记为nb。
10、进一步地，所述风电场scada系统风功率数据包括但不限于：风速记为ni、功率记为pi、桨距角度记为hi、发电机转速记为wi和对风风向记为di。
11、进一步地，所述根据所述风机运行过程中的物理特征与所述风机性能参数模拟风机日常运行过程中的异常工况，具体包括：
12、以有功功率、平均风速、平均风向和桨距角度为条件，模拟机组失速、风机限功率和未并网发电情况。
13、进一步地，所述根据所述数据清洗条件，对所述风电场scada系统风功率数据进行第一次清洗，包括：
14、删除风电场scada系统风功率数据中的非正常数据，具体包括：
15、删除任意时刻数据缺失的数据；
16、删除异常数据，具体包括：风机到达额定输出功率之前，变桨系统未完全展浆的数据；
17、删除限功率数据，具体包括：发电机转速wi小于额定转速nr时，将桨距角度hi大于预设度数的数据剔除；
18、删除未并网发电数据，具体包括：筛除发电机转速wi低于并网转速nb的未并网发电数据；
19、删除偏航系统动作死区范围外的数据；
20、将所述删除风电场scada系统风功率数据中的非正常数据之后的数据代入风能利用系数公式计算cp值，将cp超过贝茨极限的功率曲线数据筛除。
21、进一步地，所述风机到达额定输出功率之前，变桨系统未完全展浆的数据，具体为：
22、风机功率pi小于95％的额定功率pn时，筛除桨距角度hi在10度以上的数据。
23、进一步地，所述智能算法包括但不限于：四分位算法和组内最优方差法。
24、第二方面，本专利技术提供一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，当所述处理器运行所述存储器存储的计算机程序时执行如上文所述的一种基于物理模拟的风功率异常数据清洗方法的步骤。
25、第三方面，本专利技术提供一种计算机可读存储介质，所述计算机可读存储介质中存储有多条计算机指令，所述多条计算机指令用于使计算机执行如上文所述的一种基于物理模拟的风功率异常数据清洗方法。
26、第四方面，本专利技术提供一种电子设备，包括：
27、至少一个处理器；以及，
28、与所述至少一个处理器通信连接的存储器；其中，
29、所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上文所述的一种基于物理模拟的风功率异常数据清洗方法。
30、本专利技术的有益效果：
31、本专利技术提供了一种基于物理模拟的风功率异常数据清洗方法，以风机运行数据为基础，根据目标风机的运行特征与风机参数，模拟风机日常运行过程中的异常工况(如：风机限功率、未并网发电、机组失速等)，对该类生产过程中的异常数据进行有效识别与清洗，再结合智能算法进行二次异常数据识别与清洗。该异常数据识别与清洗方法即考虑了生产实际工况，又结合了先进的大数据处理技术，提高了拟合的风机实际功率曲线真实性。实现了部分异常数据恰好分布在密集数据带中间(即故障数据偶然分布在正常数据之间)这类情况的有效辨识与剔除。并且通过模拟风机异常本文档来自技高网...
【技术保护点】
1.一种基于物理模拟的风功率异常数据清洗方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于物理模拟的风功率异常数据清洗方法，其特征在于，所述风机性能参数包括但不限于：发电机额定转速记为Nr、风机额定功率记为Pn和并网转速记为Nb。
3.根据权利要求1所述的一种基于物理模拟的风功率异常数据清洗方法，其特征在于，所述风电场SCADA系统风功率数据包括但不限于：风速记为Ni、功率记为Pi、桨距角度记为Hi、发电机转速记为Wi和对风风向记为Di。
4.根据权利要求1所述的一种基于物理模拟的风功率异常数据清洗方法，其特征在于，所述根据所述风机运行过程中的物理特征与所述风机性能参数模拟风机日常运行过程中的异常工况，具体包括：
5.根据权利要求1所述的一种基于物理模拟的风功率异常数据清洗方法，其特征在于，所述根据所述数据清洗条件，对所述风电场SCADA系统风功率数据进行第一次清洗，包括：
6.根据权利要求5所述的一种基于物理模拟的风功率异常数据清洗方法，其特征在于，所述风机到达额定输出功率之前，变桨系统未完全展浆的数据
7.根据权利要求1所述的一种基于物理模拟的风功率异常数据清洗方法，其特征在于，所述智能算法包括但不限于：四分位算法和组内最优方差法。
8.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，其特征在于，当所述处理器运行所述存储器存储的计算机程序时执行权利要求1至7中任一项所述的方法的步骤。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有多条计算机指令，所述多条计算机指令用于使计算机执行权利要求1至7中任一项所述的方法。
10.一种电子设备，其特征在于，包括：
...【技术特征摘要】
1.一种基于物理模拟的风功率异常数据清洗方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于物理模拟的风功率异常数据清洗方法，其特征在于，所述风机性能参数包括但不限于：发电机额定转速记为nr、风机额定功率记为pn和并网转速记为nb。
3.根据权利要求1所述的一种基于物理模拟的风功率异常数据清洗方法，其特征在于，所述风电场scada系统风功率数据包括但不限于：风速记为ni、功率记为pi、桨距角度记为hi、发电机转速记为wi和对风风向记为di。
4.根据权利要求1所述的一种基于物理模拟的风功率异常数据清洗方法，其特征在于，所述根据所述风机运行过程中的物理特征与所述风机性能参数模拟风机日常运行过程中的异常工况，具体包括：
5.根据权利要求1所述的一种基于物理模拟的风功率异常数据清洗方法，其特征在于，所述根据所述数...
【专利技术属性】
技术研发人员：李宣谕，杨彦冬，方国春，臧育昕，商国敬，雷鉴琦，杨凯钧，张志辉，
申请(专利权)人：大唐东北电力试验研究院有限公司，
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。