【摘要】：電力大數(shù)據(jù)是電力發(fā)展的重要資源,數(shù)據(jù)來源于電力生產(chǎn)和電能使用的各個環(huán)節(jié)。風電運行數(shù)據(jù)是電力大數(shù)據(jù)的重要組成部分,隨著風電穿透功率的增大,風電數(shù)據(jù)的采集、處理、分析對風電場運行、控制與并網(wǎng)研究有重要意義。然而,從風電場收集到的大量數(shù)據(jù)中通常包含異常數(shù)據(jù)點,這樣的異常點給風電功率波動特性、風電功率預測等方面研究帶來負面影響。分析了風電場歷史運行數(shù)據(jù)中存在的異常數(shù)據(jù)的主要來源,并針對該實際問題,采用基于四分位算法的數(shù)學模型對異常數(shù)據(jù)進行識別。在數(shù)據(jù)缺失的情況下,以可用歷史數(shù)據(jù)為基礎,采用基于臨近風電場出力模式性的方法和多點三次樣條插值方法重構(gòu)出完整的時間序列。算例分析給出了兩種重構(gòu)方法的重構(gòu)效果以及各自的適應性,結(jié)果表明采用所提出的方法能夠有效識別、剔除異常數(shù)據(jù)并重構(gòu)缺失數(shù)據(jù),對不同風電場有較強的通用性,具有一定的工程實用價值。
[Abstract]:Power big data is an important resource for the development of electric power, and the data comes from every link of electric power production and power use. Wind power operation data is an important part of power big data, with the increase of wind power penetration power, wind power data collection, processing, analysis of wind farm operation, control and grid-connected research is of great significance. However, a large number of data collected from wind farms usually contain abnormal data points, which have a negative impact on wind power fluctuation characteristics, wind power prediction and other aspects. The main sources of abnormal data in historical operation data of wind farm are analyzed, and the mathematical model based on quartile algorithm is used to identify the abnormal data in view of this practical problem. In the case of lack of data, based on the available historical data, the complete time series is reconstructed by using the method based on the output mode of the nearby wind farm and the multi-point cubic spline interpolation method. The results show that the proposed method can effectively identify, eliminate abnormal data and reconstruct missing data, which has strong generality to different wind farms, and the results show that the proposed method can effectively identify the abnormal data and reconstruct the missing data, and the results show that the proposed method can effectively identify and eliminate the abnormal data and reconstruct the missing data. It has certain engineering practical value.
【作者單位】： 中國農(nóng)業(yè)大學信息與電氣工程學院;中國電力科學研究院;
【基金】：國家自然科學基金項目(51477174,51077126)~~
【分類號】：TM614

【相似文獻】

相關期刊論文 前10條

1 韋雨汶;;一段異常數(shù)據(jù)記錄的剖析[J];企業(yè)科技與發(fā)展;2010年02期

2 林洪樺;剔除異常數(shù)據(jù)的穩(wěn)健性處理方法[J];中國計量學院學報;2004年01期

3 王建州,馬志新,李廉;基于混沌的異常數(shù)據(jù)的動態(tài)識別與挖掘[J];清華大學學報(自然科學版);2005年S1期

4 曾紹華;魏延;唐遠炎;;剔除支持向量回歸中異常數(shù)據(jù)算法[J];重慶大學學報;2012年12期

5 孫士兵;趙歡;;一種異常數(shù)據(jù)診斷應用的穩(wěn)健回歸算法[J];科學技術(shù)與工程;2007年15期

6 陳亞紅,穆鋼,段方麗;短期電力負荷預報中幾種異常數(shù)據(jù)的處理[J];東北電力學院學報;2002年02期

7 劉章文,任天怡,古天祥;3維數(shù)據(jù)的置信區(qū)間及異常數(shù)據(jù)的修復[J];計算機集成制造系統(tǒng);2005年04期

8 盧鵬飛;;Qualitative Robust估計建模時異常數(shù)據(jù)檢測的一種新算法[J];江南大學學報;1990年02期

9 王雷;張瑞青;盛偉;徐治皋;;基于支持向量機的回歸預測和異常數(shù)據(jù)檢測[J];中國電機工程學報;2009年08期

10 莊海;梁圣偉;董錟;;過濾器多次通過試驗異常數(shù)據(jù)分析與診斷[J];機床與液壓;2014年07期

相關會議論文 前4條

1 龔家軍;劉國臻;;防雷檢測異常數(shù)據(jù)產(chǎn)生的原因與解決方法[A];2006年湖北省氣象學會學術(shù)年會暨湖北省第一屆防雷論壇學術(shù)論文詳細文摘匯集[C];2006年

2 孫舒;劉莉;張瑛;;基于典型負荷模式的異常數(shù)據(jù)處理[A];中國高等學校電力系統(tǒng)及其自動化專業(yè)第二十四屆學術(shù)年會論文集（中冊）[C];2008年

3 彭惠英;姚斯里;盧偉東;蔡玲玲;王燕玲;王南燕;;地面氣象記錄人工與遙測異常數(shù)據(jù)的處理方法[A];第26屆中國氣象學會年會人工影響天氣與大氣物理學分會場論文集[C];2009年

4 黃英;;關于自動氣象站異常數(shù)據(jù)的鑒判及處理方略[A];第28屆中國氣象學會年會——S1第四屆氣象綜合探測技術(shù)研討會[C];2011年

相關博士學位論文 前1條

1 姚衛(wèi)新;智能數(shù)據(jù)分析中異常數(shù)據(jù)的集成化管理方法研究[D];復旦大學;2004年

相關碩士學位論文 前1條

1 肖磊;異常數(shù)據(jù)檢測及其在神經(jīng)模糊建模中的應用[D];廈門大學;2006年

，

本文編號：2459073