基于方差变化率判据-四分位的风电场功率异常数据识别

基于方差变化率判据-四分位的风电场功率异常数据识别
风电场运行中产生了数量巨大的历史数据，而提升历史数据的质量是实现风电场高效智能运维的前提。为此，文中分析了风电场风功率数据的分布特征和形成机理，提出基于方差变化率判据-四分位法组合的风电场风功率异常数据识别方法。首先，利用物理规则对原始风功率曲线进行预处理，剔除明显异常的数据；然后，利用风功率方差变化率判据法识别并清洗风功率曲线的堆积型异常功率数据点，判据的阈值借助箱型图自动获取；同时，利用四分位法识别并清洗剩余的离散型异常数据点；最后，通过算例验证了所提算法的可行性。研究结果表明所提算法具有易实现、效率高和通用性强的优点，其异常识别效果优于局部离群因子(local outlier factor,LOF)算法和Thompson tau-四分位算法，其耗时比LOF和Thompson tau-四分位算法分别减少9.6 s和0.49 s，且在5个不同位置的风电场验证了所提算法的通用性。

标题：
基于方差变化率判据-四分位的风电场功率异常数据识别
Anomaly data identification of wind power in wind farm with the criterion of variance change rate and quartile

作者：
吴永斌，张建忠，邓富金，黄树帮
WU Yongbin, ZHANG Jianzhong, DENG Fujin, HUANG Shubang

关键词：
风电场;风功率数据;异常识别;方差变化率判据;四分位;智能运维
wind farm;wind power data;anomaly identification;variance change rate criterion;quartile;intelligent operation and maintenance

2025-1-23 19:59 上传 基于方差变化率判据-四分位的风电场功率异常数据识别.pdf

文件大小:

13.47 MB

下载次数:

60

高速下载