科研之友
微信
新浪微博
Facebook
分享链接
摘要
风机异常数据和缺失数据的识别和填补对于风机运行状态的评估和未来风速的预测具有重要意义。文章考虑到SCADA数据中某些风机可能存在异常数据和大量缺失数据的情况,对错误数据进行识别剔除,对缺失数据进行分类,对于个别不连续点缺失的情况进行均值填补;对于连续缺失并有旁侧风机数据参考的情况下,基于同时间段临近风机数据,先建立风向填补模型,绘制连续完整的风向数据,再分风向区间,分别使用SVM方法建立风速填补模型;对于无旁侧风机参考状态下的缺失数据,使用NAR神经网络进行逐点填补。文中采用某风场实测数据进行数据验证,并与其他几种传统神经网络填补方法进行比较,测试结果表明所提出的方法性能优于其他模型。
- 单位
