[发明专利]一种风电功率预测数据预处理方法

权利要求书

1.一种风电功率预测数据预处理方法，风电功率数据通过SCADA系统采集，其特征在于，该预处理方法是在三类支持向量机对SCADA系统采集到的数据分类之后，将数据集中的不确定性区域筛选出来，对筛选出来的不确定数据区域测量不确定度，最后对离散数据进行拟合，

所述预处理方法包括：

建立三类支持向量机分类模型；

建立基于测量不确定度的离散数据拟合模型；

采用猴群算法拟合优化，其中，

三类支持向量机分类模型建立过程是，

设训练样本数据集合：下标i＝1,2,…，表示每一类样本集合中样本的序号，k＝-1,0,1分别表示错误数据点、不确定数据点和正确数据点，

l_-1，l₀，l₁分别表示错误、不确定和正确数据点的个数，假设不确定数据点位于正确数据点和错误数据点的中间，把SCADA系统采集到的风速数据分为三类：第一类称为正确数据点；第二类称为错误数据点；第三类称为不确定数据点，

寻找两个平行的最优超平面H和H’，将三类样本数据点正确划分，并同时要求两个最近样本集间的距离最小；

建立基于测量不确定度的离散数据拟合模型的过程是，

即假设某样本数据服从正态分布，按规定，测量的最大允许误差为3σ，输入样本数据，利用最小二乘法找到最佳逼近曲线，若D为某点到拟合曲线L的距离，如果D3σ，则称该点为异常点，予以舍弃；

猴群算法拟合优化过程是：在剔除异常点后，再次利用最小二乘法拟合曲线，并采用猴群算法优化，使得拟合曲线尽量近似样本数据曲线，有利于对样本缺失数据进行替换。

2.一种风电功率预测数据预处理系统，其特征在于，所述预处理系统包括：

三类支持向量机分类模型模块；

基于测量不确定度的离散数据拟合模型模块；

猴群算法拟合优化模块，其中，

三类支持向量机分类模型模块的处理过程是，

设训练样本数据集合：下标i＝1,2,…，表示每一类样本集合中样本的序号，k＝-1,0,1分别表示错误数据点、不确定数据点和正确数据点，

l_-1，l₀，l₁分别表示错误、不确定和正确数据点的个数，假设不确定数据点位于正确数据点和错误数据点的中间，把SCADA系统采集到的风速数据分为三类：第一类称为正确数据点；第二类称为错误数据点；第三类称为不确定数据点，

寻找两个平行的最优超平面H和H’，将三类样本数据点正确划分，并同时要求两个最近样本集间的距离最小；

基于测量不确定度的离散数据拟合模型模块的处理过程是，

即假设某样本数据服从正态分布，按规定，测量的最大允许误差为3σ，输入样本数据，利用最小二乘法找到最佳逼近曲线，若D为某点到拟合曲线L的距离，如果D3σ，则称该点为异常点，予以舍弃；

猴群算法拟合优化模块的处理过程是：在剔除异常点后，再次利用最小二乘法拟合曲线，并采用猴群算法优化，使得拟合曲线尽量近似样本数据曲线，有利于对样本缺失数据进行替换。