[发明专利]一种异常风功率数据的剔除方法

说明书

本发明提供了一种异常风功率数据的剔除方法，通过分析能够反映风机运行控制优劣的叶尖速比参数，获取正常运行状态下的风机叶尖速比范围，然后对叶尖速比异常的数据采用数学方法进行剔除，即可获得正常运行状态下的功率曲线。本发明结合风机运行原理相关的参数分析进行风功率异常点清洗，可以实现较好地风功率数据较好的清洗效果，获取正常运行的风功率数据。四分位算法实现简单，耗时较短，本发明在没有增加算法复杂的程度的基础上，达到了比单纯采用数学方法对风速和功率散点进行分区间清洗更好的清洗效果；本发明技术方案操作简单可行、效率高、清洗效果好。

技术领域

本发明涉及一种异常风功率数据的剔除方法，用于剔除不良运行风功率数据，以获取正常运行的风功率曲线，适用于风力发电行业，属于风电机组运维管理业务的应用技术领域。

背景技术

风功率曲线指风力发电机组输出功率和风速的对应曲线，描绘风电机组净电功率输出与风速的函数关系。随着风力发电在整个发电行业中所占的比重增加，对传统风机风功率曲线的获取显得尤为重要。风功率曲线在风场经济性分析活动中具有重要作用，它不仅能验证风机运行状况是否在厂家额定值范围内，还可以横向对比各风机的数据，及时发现问题，加以排查，减少电量损失。

实际运行过程中，风机运行数据在采集、测量、传输、转换的各个环节都可能发生故障或受到干扰，导致数据的异常、缺失。不仅如此，目前国内存在因风电接纳能力有限而造成的“弃风”现象，形成由人为因素产生的“限电”数据。这两类运行数据统称为风机运行不良数据，若将其风机性能和经济性分析的基础数据，势必会影响和分析结果的准确性和可靠性。

目前针对风功率不良数据的识别主要是采用纯数学的处理方法，文献《风电机组风速-功率异常运行数据特征及清洗方法》，沈小军对现有的风功率异常数据清洗方法进行了总结，从原理上可分为三类：第一类方法是根据数据点的密度或距离来判断该点是否为异常点，但该类方法对分布密集的堆积型异常数据识别效果有限；第二类方法是建立风功率曲线的数学模型，但此类方法需要大量正常数据作为样本，且普适性较差；第三类方法是根据异常数据的位置分布特征识别异常数据，该类方法的依据是异常数据点位于风功率曲线正常出力特性范围之外，理论上可实现多类型异常数据的清洗，而且不需要数据样本训练，通用性强，后续应用值得期待，但现有研究成果对大量堆积型异常数据的识别与清洗效果有待提高。

经过对现有技术的检索，中国专利文献号CN108590982A，公告日2018-09-28，记载了一种风电机组限功率运行的异常数据处理方法，通过引入风电机组限电运行状态下的合理假设，将风电机组限功率运行下的数据处理问题转化为混合概率分布模型，应用K-Means聚类算法初始化模型参数，然后根据期望值最大化(EM)算法，推导参数更新表达式，通过迭代的方式最大化对数似然函数，得到最优模型参数，以实现限功率运行状态下风电机组异常运行数据的识别。

中国专利文献号CN107527057A，公告日2017-12-29，记载了一种风速功率异常数据剔除方法及装置，通过建立历史风速功率数据散点图，利用散点的频率分布特征将散点图转换为数字图像，基于数字图像滤波、去高频分量、还原图像、拟合边界等一系列处理后，剔除异常数据。

上述两种方法一是针对数据本身的纯数学处理，一种是基于图像处理的风功率不良数据剔除方法，一方面在算法上都比较复杂，针对风电场大量数据的处理会消耗较多的时间。另一方面，由于风场风机异常数据的特征的个性化，其处理效果都有一定的局限性。

发明内容

本发明要解决的技术问题是：现有风功率异常数据剔除算法复杂且剔除效果不好的问题。

为了解决上述问题，本发明的技术方案是提供了一种异常风功率数据的剔除方法，其特征在于，包括如下步骤：

S1、读取至少一个月的风电场风机运行数据，所述风机运行数据包括时间、风速、有功功率和风轮转速数据。