基于多阶段递进识别的风电机组异常运行数据清洗方法

作者：王一妹; 刘辉; 宋鹏; 胡泽春; 邓晓洋; 吴林林

来源：可再生能源, 2020, 38(11): 1470-1476.

DOI：10.13941/j.cnki.21-1469/tk.2020.11.008

• 风电机组
• 风速-功率散点图
• 密度聚类
• 核密度估计
• 异常数据识别

随着风电场建设的大型化,与风电场运行相关的数据质量问题日益突出,严重影响了风电场运行的准确性及经济性。为了提高风电机组单机运行数据的质量,针对风电机组实测风速-功率散点图中存在的离群异常点、0功率堆积点、1功率低风速点和恒功率限电点4类异常点,文章分别建立了基于密度聚类法、截断法、斜率控制法、核密度估计法的异常数据识别模型,实现了风电机组运行数据的定向清洗。基于北方某运行风电场进行算例验证,结果表明,所提3阶段(无限电)及4阶段(含限电)数据清洗方法能够有效剔除风电机组的异常风速-功率数据,清洗后的风速-功率散点分布呈光滑的功率曲线区间带形式,且清洗过程剔除数据的占比低于10%,在保证数据完整性的基础上提高了数据质量。该异常数据清洗方法能够为风电场控制、功率预测等优化运行工作提供技术支持。

• 单位
  国网冀北电力有限公司; 清华大学; 国家电网公司