[发明专利]基于速度关联约束的风电机组风速感知异常数据识别方法

权利要求书

1.一种基于速度关联约束的风电机组风速感知异常数据识别方法，其特征在于，包括以下步骤：

1)获取目标机组的风速序列数据；

2)采用基于二元形态分割算法检测风速序列的时序变点，并以时序变点作为分割点，在时序上将风速序列划分为多个子序列；

3)对划分后的子序列数据基于速度和边界约束进行异常数据识别。

2.根据权利要求1所述的一种基于速度关联约束的风电机组风速感知异常数据识别方法，其特征在于，所述的异常数据类型包括突变型异常风速数据和渐进型异常风速数据。

3.根据权利要求2所述的一种基于速度关联约束的风电机组风速感知异常数据识别方法，其特征在于，所述的突变型异常风速数据的产生情形包括：

(1)由于风速传感器抗外界电磁扰动能力减弱，当外界扰动较强时造成测量数据发生大范围突变，单次异常持续时间较短，分布离散；

(2)由于风速传感器重要零部件发生损坏，导致异常状态发生非趋势性突变，测量风速发生突变，分布较为连续，数量较大；

所述的渐进型异常风速数据的产生情形包括：

(1)风速传感器的零部件损坏程度呈现渐进式过程，测量数据偏离正常值，偏移量随着设备异常状态的演化逐步加大，即弱故障数据；

(2)由于通信错误产生的连续相同值。

4.根据权利要求1所述的一种基于速度关联约束的风电机组风速感知异常数据识别方法，其特征在于，所述的步骤2)中，确定时序变点具体包括以下步骤：

21)计算风速序列的的进局部统计量，并根据同时满足局部统计量最大、局部峰点以及统计量界的约束这三个约束条件确定最终变点；

22)根据最终变点将风速序列的整段数据分割为两段，并对分割后的每段重复步骤21)再次进行分割；

23)重复步骤21)和22)，直至没有新的变点出现。

5.根据权利要求4所述的一种基于速度关联约束的风电机组风速感知异常数据识别方法，其特征在于，所述的步骤21)具体包括以下步骤：

211)对于风速序列的局部数据V＝{V_S,V_S+1,…,V_T}，计算对应的局部统计量k＝h+1,…,T-h，获取使局部统计量最大时对应的点k₀^*，并标记此点为疑似变点；

212)若疑似变点满足局部峰点的判定条件，则判断该疑似变点为局部峰点，局部峰点的判定条件具体为：

以疑似变点为中心，窗宽为2h内的点作差分，若疑似变点左边h范围内大于0的差分和右边h范围小于0的差分个数之和占窗宽2h比重P(k₀^*)大于阈值γ，则判断该疑似变点为局部峰点；

213)定义区分变点与非变点的界ξ_a，并根据界ξ_a从局部峰点中剔除非变点后的得到最终变点。

6.根据权利要求5所述的一种基于速度关联约束的风电机组风速感知异常数据识别方法，其特征在于，所述的步骤211)中，局部统计量的计算式为：

其中，C表示搜索系数，h表示搜索窗宽，其与样本量T有关，k表示待检测点，v_i、v_j分别为局部数据中第i和j个点。

7.根据权利要求6所述的一种基于速度关联约束的风电机组风速感知异常数据识别方法，其特征在于，所述的步骤212)中，比重P(k₀^*)的表达式为：

其中，df(i,j)表示i和j两点统计量和的差分，df(i,j)＝1、0、-1分别表示统计量呈上升、平稳和下降趋势，I_df(i,j)＝1表示该点为统计量上升点的计数，I_df(i,j)＝-1表示该点为统计量下降点的计数，阈值γ的取值为0.7或0.8。