科研之友
微信
新浪微博
Facebook
分享链接
摘要
风电机组在实际运行过程由于运行环境影响及人为调控等因素影响，导致风功率曲线中存在大量异常运行数据，给风电机组的监测与控制带来严重干扰。提出一种基于变点分组(Change Point)和Copula理论组合的两阶段异常数据清洗算法。根据风电机组异常运行数据的分布特征和产生原因，将异常数据划分为堆积型异常数据和分散型异常数据；利用变点算法最大限度的清洗大部分堆积形异常数据和少量分散型异常数据，提高正常数据占比；结合Copula函数计算风速和功率的依赖关系，并依据依赖关系建立基于Copula的概率功率曲线，进一步清洗剩余分散型异常数据。通过内蒙古某风电场实际运行数据验证了算法的有效性，结果表明清洗效果好，可有效识别出三类异常数据，具有一定的工程实用价值。
- 单位
