基于IKLIEP-四分位模型的风电场异常数据识别算法

作者：杨茂^*; 张书天; 王天硕; 杨硕; 赵辉

来源：高电压技术, 2023, 49(07): 2952-2960.

DOI：10.13336/j.1003-6520.hve.20221283

• 改进Kullback Leibler重要性估计程序
• 时间序列变点检测
• 密度比
• 四分位
• 风电场
• 异常数据

风电场功率数据中包含大量异常数据，难以反映风电场真实的风能情况，会影响风电功率预测的精度，从而影响电网决策。针对该问题，通过分析风电场异常数据特征，将其分为堆积型和分散型，并基于时间序列变点检测理论，将密度比是否为恒值作为剔除堆积型异常数据的判断准则，采用改进Kullback Leibler重要性估计程序(improved Kullback Leibler importance estimation program,IKLIEP)剔除堆积型异常数据；再采用四分位法剔除分散型异常数据。最后将所提方法应用于国内蒙西某130.5MW的风电场，实验结果表明所提方法能够更有效地识别并剔除异常数据，平均识别率提高了6.19%，误识别率降低了2.92%，验证了所提方法的有效性。

• 单位
  东北电力大学