【技术实现步骤摘要】
本公开涉及风电，更具体地讲，涉及一种风电场的异常数据处理方法和异常数据处理装置。
技术介绍
1、目前，新能源规模不断扩大，电力调控需要功率预测水平能持续提高，其中，风力发电由于地理条件和环境因素限制，存在诸多挑战，风电场的数据质量便是其一。由于风电机组停机检修、数据采集有误、传输异常等因素，风电机组采集的实测功率数据中存在大量异常值，这些数据严重影响风电场的功率预测模型建模预测效果，因此，如何有效处理风电场的异常数据是亟需解决的问题。
技术实现思路
1、本公开的目的在于提供一种风电场的异常数据处理方法和异常数据处理装置。
2、本公开的一方面提供一种风电场的异常数据处理方法，所述异常数据处理方法包括：获取风电场的风速-功率数据，其中，风速-功率数据包括风速和与所述风速对应的功率；基于获取的风速-功率数据构造用于拟合曲线的数据集；基于所述数据集，对预设的拟合函数进行拟合来确定所述拟合函数的参数，并生成与具有所述参数的所述拟合函数对应的所述拟合曲线；将所述拟合曲线的可信数据范围内的风速-功率数据识别为正常数据，并将所述拟合曲线的可信数据范围外的风速-功率数据识别为异常数据；响应于识别到所述异常数据，通过剔除所述异常数据更新所述数据集，并且迭代执行生成所述拟合曲线的步骤，直到没有识别到异常数据为止。
3、可选地，所述数据集包括与低风速段对应的第一数据集、与中间风速段对应的第二数据集和与满发风速段对应的第三数据集，其中，低风速段对应于风机无法切入的风速段，并且第一数据
4、可选地，在中间风速段内按照预定风速间隔采集预定数量的风速-功率数据作为第二数据集，其中，如果在中间风速段内按照预定风速间隔采集的风速-功率数据的数量小于所述预定数量，则通过对采集的风速-功率数据进行上采样来获得所述预定数量的风速-功率数据。
5、可选地，与第一数据集对应的所述拟合曲线的可信数据范围的大小、与第二数据集对应的所述拟合曲线的可信数据范围的大小和与第三数据集对应的所述拟合曲线的可信数据范围的大小依次增大。
6、可选地，所述拟合曲线的可信数据范围基于风电场的装机容量来确定。
7、可选地，当风速小于第一风速时，所述拟合曲线的可信数据范围的下界为0，所述拟合曲线的可信数据范围的上界为第一值与所述拟合曲线的拟合值之间的和，其中，第一值对应于装机容量与第二值的乘积；其中，当风速大于或等于第一风速并且小于第二风速时，所述拟合曲线的可信数据范围的下界为第三值和第四值之中的较小值，所述拟合曲线的可信数据范围的上界为装机容量与第五值之中的较小值，其中，第三值对应于装机容量与第六值的乘积，第四值对应于所述拟合曲线的拟合值与装机容量和第七值的乘积之间的差，第五值对应于所述拟合曲线的拟合值与装机容量和第八值的乘积之间的和；其中，当风速于或等于第二风速并且小于第三风速时，所述拟合曲线的可信数据范围的下界为第九值和第十值之中的较小值，所述拟合曲线的可信数据范围的上界为装机容量，其中，第九值对应于装机容量与第十一值的乘积，第十值对应于所述拟合曲线的拟合值与装机容量和第十二值的乘积之间的差。
8、可选地，所述异常数据处理方法还包括：获取所述异常数据中的风速；通过将所述异常数据中的风速代入所述拟合曲线来获得新功率；将所述异常数据中的风速和获得的所述新功率作为正常数据。
9、可选地，所述风速-功率数据包括风机装机变更前后预设时间段期间的风速-功率数据或者当前季节的风速-功率数据。
10、本公开的一方面提供一种存储有计算机程序的计算机可读存储介质，当所述计算机程序在被处理器执行时实现如上所述的任一异常数据处理方法。
11、本公开的一方面提供一种风电场的异常数据处理装置，所述异常数据处理装置包括：处理器；存储器，其中，存储器存储有计算机程序，所述计算机程序在被所述处理器执行时实现如上所述的任一异常数据处理方法。
12、根据各种示例实施例的异常数据处理方法，将有着更加灵活的s曲线的广义逻辑函数应用于用于基于风电场的数据集的拟合，因此，能实现更好的拟合。
13、根据各种示例实施例的异常数据处理方法，考虑到在风电场中，随着风速的增加，功率的波动的程度通常也会相应地增加，因此，通过动态调整拟合曲线的可信数据范围的大小(例如，随着风速的增加而增大可信数据范围的大小)，能够更好地区分正常数据和异常数据。
14、根据各种示例实施例的异常数据处理方法，可通过根据风速的大小和风电场的装机容量来设置拟合曲线的可信数据范围的上界和下界，能更准确地识别正常数据和异常数据。
15、根据各种示例实施例的异常数据处理方法，可通过调整广义逻辑函数的参数来确定拟合曲线的可信数据范围的上界和下界，可更准确地区分正常数据和异常数据。
16、根据各种示例实施例的异常数据处理方法，考虑到异常数据对拟合过程中造成的干扰，可能将拟合曲线走向带偏。因此，可在将异常值排除之后，通过不断迭代执行你和，直到没有新的异常值被判断结束，通过多次迭代可以更好地剔除临界异常值。
17、为了避免或者减少剔除有用数据，根据本公开的示例性实施例的风电场的异常数据处理方法还可包括数据订正以实现数据增强，有利于风功率建模提升准确率。这在面对如下问题时十分有效：部分电场由于历史数据保存不足，异常数据过多，如果只能采用正常数据进行风功率建模，则模型可能因为建模数据过少，模型稳定性可能较差。将异常数据订正为正常数据，与其他数据一起用于建模，可以提高模型的稳定性，提升预测精度。
18、在异常数据、装机变更之前的数据无法在建模时候应用，如果全部删除则丢失较多数据量。根据本公开的示例性实施例的异常数据处理方法，将异常数据有效订正为正常数据，有利于建模，提升预测精度。本公开提出异常数据点风速通过拟合的广义逻辑函数，可以将对应异常功率值订正为正常值。
19、根据本公开的示例性实施例的异常数据处理方法，通过分段采用最新数据，结合低风、高风的数据构造，可以拟合出装机变更后最新的风速-功率曲线。
20、根据本公开的示例性实施例的异常数据处理方法可以根据最新数据，自动拟合出最新数据曲线，从而获取更适合当下季节的数据，并满足根据季节自动调整异常数据处理方法。
本文档来自技高网...【技术保护点】
1.一种风电场的异常数据处理方法，其特征在于，所述异常数据处理方法包括：
2.根据权利要求1所述的异常数据处理方法，其特征在于，所述数据集包括与低风速段对应的第一数据集、与中间风速段对应的第二数据集和与满发风速段对应的第三数据集，
3.根据权利要求2所述的异常数据处理方法，其特征在于，在中间风速段内按照预定风速间隔采集预定数量的风速-功率数据作为第二数据集，
4.根据权利要求2所述的异常数据处理方法，其特征在于，与第一数据集对应的所述拟合曲线的可信数据范围的大小、与第二数据集对应的所述拟合曲线的可信数据范围的大小和与第三数据集对应的所述拟合曲线的可信数据范围的大小依次增大。
5.根据权利要求1所述的异常数据处理方法，其特征在于，所述拟合曲线的可信数据范围基于风电场的装机容量来确定。
6.根据权利要求5所述的异常数据处理方法，其特征在于，当风速小于第一风速时，所述拟合曲线的可信数据范围的下界为0，所述拟合曲线的可信数据范围的上界为第一值与所述拟合曲线的拟合值之间的和，其中，第一值对应于装机容量与第二值的乘积；
8.根据权利要求1所述的异常数据处理方法，其特征在于，所述风速-功率数据包括风机装机变更前后预设时间段期间的风速-功率数据或者当前季节的风速-功率数据。
9.一种存储有计算机程序的计算机可读存储介质，其特征在于，当所述计算机程序在被处理器执行时实现权利要求1至8中的任意一项所述的异常数据处理方法。
10.一种风电场的异常数据处理装置，其特征在于，所述异常数据处理装置包括：
...【技术特征摘要】
1.一种风电场的异常数据处理方法，其特征在于，所述异常数据处理方法包括：
2.根据权利要求1所述的异常数据处理方法，其特征在于，所述数据集包括与低风速段对应的第一数据集、与中间风速段对应的第二数据集和与满发风速段对应的第三数据集，
3.根据权利要求2所述的异常数据处理方法，其特征在于，在中间风速段内按照预定风速间隔采集预定数量的风速-功率数据作为第二数据集，
4.根据权利要求2所述的异常数据处理方法，其特征在于，与第一数据集对应的所述拟合曲线的可信数据范围的大小、与第二数据集对应的所述拟合曲线的可信数据范围的大小和与第三数据集对应的所述拟合曲线的可信数据范围的大小依次增大。
5.根据权利要求1所述的异常数据处理方法，其特征在于，所述拟合曲线的可信数据范围基于风电场的装机容量来确定。
【专利技术属性】
技术研发人员：赵源，
申请(专利权)人：北京金风慧能技术有限公司，
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。