[发明专利]风电机组实际功率曲线拟合方法、装置、设备及存储介质

权利要求书

1.一种风电机组实际功率曲线拟合方法，其特征在于，所述风电机组实际功率曲线拟合方法包括以下步骤：

获取风电机组的数据信息，并对所述数据信息进行预处理，得到目标数据集；

将所述目标数据集按照风速由小到大进行排序得到排序后的目标数据集，并对所述排序后的目标数据集进行分段处理，得到分段风速对应的功率数据集；

若所述功率数据集超过设定的最小功率，且超出的数据占比大于等于设定值，则所述功率数据集对应的风速为切入风速；

若所述功率数据集超过设定的额定功率，且超出的数据占比大于等于设定值，则所述功率数据集对应的风速为额定风速；

根据所述切入风速和所述额定风速对所述目标数据集进行分段，并对分段后的目标数据集采用分段Dbin拟合处理，确定功率拟合曲线。

2.如权利要求1所述的风电机组实际功率曲线拟合方法，其特征在于，所述获取风电机组的数据信息，并对所述数据信息进行预处理，得到目标数据集之前，还包括：

获取风电机组SCADA系统采集的原始数据；

根据预设算法需求对所述原始数据进行数组处理，得到风电机组的数据信息。

3.如权利要求1所述的风电机组实际功率曲线拟合方法，其特征在于，所述获取风电机组的数据信息，并对所述数据信息进行预处理，得到目标数据集，包括：

获取风电机组的数据信息，根据预设函数对所述数据信息的空值进行填补，得到初始数据集；

剔除所述初始数据集中功率小于最低预设值且大于最高预设值的数据，得到实际数据集；

通过预设算法对所述实际数据进行筛选，得到目标数据集。

4.如权利要求3所述的风电机组实际功率曲线拟合方法，其特征在于，所述通过预设算法对所述实际数据进行筛选，得到目标数据集，包括：

基于预设控制策略对所述实际数据进行过滤，得到样本数据；

通过预设聚类算法对所述样本数据进行聚类，得到样本数据簇；

通过预设核密度算法对所述样本数据簇进行筛选，得到目标数据集。

5.如权利要求4所述的风电机组实际功率曲线拟合方法，其特征在于，所述通过预设核密度算法对所述样本数据簇进行筛选，得到目标数据集，包括：

根据所述样本数据簇进行划分处理，得到划分区间；

获取所述划分区间对应的功率值，并将所述功率值通过预设算法确定概率密度；

根据概率密度确定目标区间概率密度值，并根据所述目标区间概率密度值对所述样本数据簇进行筛选，得到目标数据集。

6.如权利要求5所述的风电机组实际功率曲线拟合方法，其特征在于，所述根据概率密度确定目标区间概率密度值，并根据所述目标区间概率密度值对所述样本数据簇进行筛选，得到目标数据集，包括；

将初始区间概率密度值置零；

在初始区间概率密度值基础上进行区间概率密度累加，得到目标概率集密度值；

获取置信度，并对所述置信度与所述目标概率集密度值进行判断；

若所述目标概率集密度值大于所述置信度，则根据所述目标概率集密度值对应的划分区间得到目标数据集。

7.如权利要求1至6中任一项所述的风电机组实际功率曲线拟合方法，其特征在于，所述根据所述切入风速和所述额定风速对所述目标数据集进行分段，并对分段后的目标数据集采用分段Dbin拟合处理，确定功率拟合曲线之后，还包括：

根据所述功率拟合曲线确定理论功率值；

获取功率实际测量值，并根据所述功率实际测量值和所述理论功率值确定均方根误差值、归一化均方根误差值、平均绝对误差值、平均相对误差值和皮尔逊相关系数值；

根据所述均方根误差值、所述归一化均方根误差值、所述平均绝对误差值、所述平均相对误差值和所述皮尔逊相关系数值对所述拟合曲线进行评价，得到评价指标。