風(fēng)電機組運行數(shù)據(jù)中異常值的檢測方法
發(fā)布時間:2020-03-30 11:22
【摘要】:隨著我國風(fēng)力發(fā)電科學(xué)技術(shù)的穩(wěn)步發(fā)展,對風(fēng)電并網(wǎng)經(jīng)濟運行的要求越來越高。風(fēng)電運行數(shù)據(jù)中對風(fēng)速波動性和間歇性進行有效、準(zhǔn)確地預(yù)測成為風(fēng)電并網(wǎng)運行的基礎(chǔ),高質(zhì)量的風(fēng)電機組運行數(shù)據(jù)是評估風(fēng)力發(fā)電性能、風(fēng)速功率預(yù)測工作的必要前提。由于采集到的風(fēng)電機組運行數(shù)據(jù)含有大量異常值,低質(zhì)量的運行數(shù)據(jù)會導(dǎo)致信息誤判和數(shù)據(jù)的進一步深化應(yīng)用,從而降低風(fēng)電功率預(yù)測精度,甚至對電網(wǎng)的運營調(diào)度產(chǎn)生不利影響。因此,對運行數(shù)據(jù)中的異常值進行有效識別和修正成為預(yù)測建模分析的必要前提。為保證風(fēng)電并網(wǎng)的安全、經(jīng)濟運行,本文的研究內(nèi)容包括以下方面。首先,分析風(fēng)電機組運行數(shù)據(jù)中異常值的產(chǎn)生原因和異常值在風(fēng)速-功率散點圖中的分布特點,建立分類多模型檢測異常值。根據(jù)棄風(fēng)數(shù)據(jù)的特點,識別風(fēng)速值連續(xù)波動但功率波動穩(wěn)定在一定范圍內(nèi)的檢測模型;運用統(tǒng)計學(xué)中穩(wěn)健的四分位法辨識所占比重較小且孤立存在地離群孤立點數(shù)據(jù),剔除了由傳感器誤差引起的異常數(shù)據(jù);采用數(shù)據(jù)挖掘的思想,選取模糊C均值算法辨識散點圖中的偏差簇數(shù)據(jù),剔除在傳輸過程中受到的電磁干擾和在計算機終端因存儲故障所污染的運行數(shù)據(jù)。然后,從風(fēng)速時間數(shù)據(jù)間的相關(guān)性分析入手,選取Adaboost-BP網(wǎng)絡(luò)與最小二乘支持向量機搭建最優(yōu)組合模型獲取未來時間的預(yù)測值,計算測量值和預(yù)測值的殘差挖掘異常特征信息。對于一般殘差來說,殘差值服從正態(tài)分布,運用貝葉斯后驗對數(shù)比檢測殘差序列中的異常殘差信息,進而確定異常值的時刻位置。為了避免檢測閾值造成的檢測誤差,提出了自適應(yīng)檢測方法,能自適應(yīng)的根據(jù)檢測殘差序列特征自適應(yīng)的識別異常值。最后,為了保證風(fēng)電機組運行數(shù)據(jù)的連續(xù)性和利用性,采用三次樣條插值的方法修正被剔除的異常值。選取甘肅酒泉風(fēng)電場和低窩鋪風(fēng)電場的實測運行數(shù)據(jù)分別進行異常值檢測并修正。采用RBF神經(jīng)網(wǎng)絡(luò)預(yù)測算法評估異常值檢測的準(zhǔn)確性,預(yù)測結(jié)果表明經(jīng)過預(yù)處理后預(yù)測精度提高10%左右,而自適應(yīng)檢測方法相比于貝葉斯后驗比檢測方法具有更好的處理效率和檢測精度,其精度能提高15%左右。評估結(jié)果表明本文方法能有效剔除異常值,對風(fēng)電場風(fēng)速和功率預(yù)測有一定的應(yīng)用價值,進一步提高短期風(fēng)速和功率的預(yù)測精度。
【圖文】:
值、方差、中位數(shù)和密度等)對數(shù)據(jù)進行統(tǒng)計分析,,從而判斷識別偏差較大的異常值,在判別異常值之前需要驗證誤差服從的概率分布模型,概率分布模型常用的有正態(tài)分布、柯西分布和拉普拉斯分布。如圖1.1所示。圖 1.1 數(shù)理統(tǒng)計檢測異常值文獻[13]假設(shè)校正后的傳感器測量誤差是以均值為0且測量誤差服從正態(tài)分布,在此假設(shè)上根據(jù)中心極限定理和顯著誤差“ 3σ 法則”的判定方法檢測異常值,即誤差位于區(qū)間 [ 0,3σ ]以內(nèi)則判定為正常誤差,位于區(qū)間外則判定為顯著誤差。該算
輸階段和數(shù)據(jù)轉(zhuǎn)化存儲階段,這生成異常數(shù)據(jù)。因此運行數(shù)據(jù)的進而影響電力系統(tǒng)調(diào)度策略的制廣泛應(yīng)用于鐵路、工業(yè)、航空航道的實時監(jiān)控,車輛調(diào)度部門合情況的發(fā)生,提高了車輛安全運指標(biāo),控制產(chǎn)品的生產(chǎn)質(zhì)量,避我國風(fēng)力資源具有集中分布的特提高大型風(fēng)電場并網(wǎng)安全、可靠統(tǒng)能夠?qū)崿F(xiàn)對風(fēng)電場進行全機組斷及維護。風(fēng)電場 SCADA 系統(tǒng)
【學(xué)位授予單位】:蘭州理工大學(xué)
【學(xué)位級別】:碩士
【學(xué)位授予年份】:2017
【分類號】:TM614
【圖文】:
值、方差、中位數(shù)和密度等)對數(shù)據(jù)進行統(tǒng)計分析,,從而判斷識別偏差較大的異常值,在判別異常值之前需要驗證誤差服從的概率分布模型,概率分布模型常用的有正態(tài)分布、柯西分布和拉普拉斯分布。如圖1.1所示。圖 1.1 數(shù)理統(tǒng)計檢測異常值文獻[13]假設(shè)校正后的傳感器測量誤差是以均值為0且測量誤差服從正態(tài)分布,在此假設(shè)上根據(jù)中心極限定理和顯著誤差“ 3σ 法則”的判定方法檢測異常值,即誤差位于區(qū)間 [ 0,3σ ]以內(nèi)則判定為正常誤差,位于區(qū)間外則判定為顯著誤差。該算
輸階段和數(shù)據(jù)轉(zhuǎn)化存儲階段,這生成異常數(shù)據(jù)。因此運行數(shù)據(jù)的進而影響電力系統(tǒng)調(diào)度策略的制廣泛應(yīng)用于鐵路、工業(yè)、航空航道的實時監(jiān)控,車輛調(diào)度部門合情況的發(fā)生,提高了車輛安全運指標(biāo),控制產(chǎn)品的生產(chǎn)質(zhì)量,避我國風(fēng)力資源具有集中分布的特提高大型風(fēng)電場并網(wǎng)安全、可靠統(tǒng)能夠?qū)崿F(xiàn)對風(fēng)電場進行全機組斷及維護。風(fēng)電場 SCADA 系統(tǒng)
【學(xué)位授予單位】:蘭州理工大學(xué)
【學(xué)位級別】:碩士
【學(xué)位授予年份】:2017
【分類號】:TM614
【參考文獻】
相關(guān)期刊論文 前10條
1 陳偉;吳布托;裴喜平;王懿U
本文編號:2607484
本文鏈接:http://sikaile.net/kejilunwen/dianlidianqilunwen/2607484.html
最近更新
教材專著