[发明专利]基于风力曲线图像的异常数据检测与清洗方法

权利要求书

1.基于风力曲线图像的异常数据检测与清洗方法，其特征在于：将异常点分为3类，负值异常点、离散异常点与堆叠异常点，具体包括如下步骤：

S1：数据预清理：过滤并删除第一类负值异常点，满足v＝v_cut-in且P0，其中v_cut-in是接通速度；

S2：用预清洗后的剩余数据生成WPC二值图像，用MMO方法使用多种不同尺寸的结构元提取WPC二值图像的主要部分，计算提取主要部分的Hu矩与参考WPC图像，然后使用Hu矩计算提取的主要部分与理想风力曲线间的差异性确定结构元的最优尺寸，这样提取出的主要部分就代表了正常数据部分；

S3：识别WPC图像的边缘，将边缘外的数据点识别为第二类离散异常点，并将第二类离散异常点过滤掉，再过滤正常数据点，将剩余数据点识别为第三类堆叠异常点，建立WPC图像点与二值图像像素点间的映射关系，基于这个映射关系，标记出正常数据点与三类异常数据点。

2.根据权利要求1所述的基于风力曲线图像的异常数据检测与清洗方法，其特征在于：所述用预清洗后的剩余数据生成WPC二值图像的具体步骤为：将预处理后的剩余数据点转换为WPC图像，基于图像中像素点灰度值的不同，将风力曲线灰度图进一步转化为二值图像。

3.根据权利要求1所述的基于风力曲线图像的异常数据检测与清洗方法，其特征在于：所述步骤S2还包括对WPC二值图像进行边缘检测、噪声消除、图像增强和图像分割操作。

4.根据权利要求1所述的基于风力曲线图像的异常数据检测与清洗方法，其特征在于：所述参考WPC图像由正常风力涡轮机数据生成，具体为：正常风力涡轮机数据先经人工操作去除异常点，再用剩余数据生成参考WPC图像。

5.根据权利要求1所述的基于风力曲线图像的异常数据检测与清洗方法，其特征在于：所述不同尺寸的结构元提取WPC二值图像的主要部分采用开运算进行，所述开运算由腐蚀运算和膨胀运算结合而成，即输入的二值图像A与结构元B，分别用于减小对象的尺寸，滤除散射噪声与图像外的部分和增加对象的尺寸，滤除图像的内部噪声，

其中，开运算定位为：

腐蚀运算表示方法为：

膨胀运算表示方法为：

其中，⊙、分别代表腐蚀运算与膨胀运算，b代表图像B的像素点。

6.根据权利要求1所述的基于风力曲线图像的异常数据检测与清洗方法，其特征在于：所述使用Hu矩计算提取的主要部分与理想风力曲线间的差异性方法如下：设风力曲线二值图像f(x，y)的尺寸为M×N像素，图像的p+q阶中心距为：

其中，

为消除图像放缩造成的影响，将中心矩标准化：

二阶和三阶标准化中心矩组成7个不变矩I₁，……，I₇称为Hu矩，在计算图片间的非相似性上，Hu矩进一步写为：

m_i＝sign(I_i)·log(I_i)，i＝1，…，7

其中m_a，i、m_b，i分别表示图像a与图像b被第i个Hu矩作用的转换参数，图像a与图像b非相似性D(a，b)的计算方式为：

7.根据权利要求1所述的基于风力曲线图像的异常数据检测与清洗方法，其特征在于：所述提取的主要部分用最大轮廓代替，Hu矩用来代表二值图像与参考图像的最大轮廓，所述结构元最佳尺寸的计算方法为：

其中n_e为结构元的最大尺寸。

8.根据权利要求1所述的基于风力曲线图像的异常数据检测与清洗方法，其特征在于：所述步骤S3中，WPC图像点与二值图像像素点间的映射关系建立方法如下：

设WPC二值图像f(x，y)的像素点为(x，y)，x＝1，…，M，y＝1，…，N，第i个风力图像点为(v_i，P_i)，图像尺度参数为(Δx，Δy)，

Δx的计算公式为：Δx＝(x_max-x_min)/(v_max-v_min)

Δy的计算公式为：Δx＝(y_max-y_min)/(P_max-P_min)

其中x_max＝max(x丨f(x，y)＝1)，x_min＝min(x丨f(x，y)＝1)，

y_max＝max(y丨f(x，y)＝1)，x_min＝min(y丨f(x，y)＝1)，

v_max、v_min分别是风速的最大值与最小值，P_max、P_min分别是风力的最大值与最小值，风力图像点(v_i，P_i)与像素点(x_i，y_i)的对应关系为：

x_i＝x_min+(v_i-v_min)×Δx

y_i＝y_max+(P_i-P_min)×Δy

基于数据映射算法，完成了SCADA采集数据中正常数据与异常数据的标记。