發(fā)布時間：2021-01-15 00:41

　　近年來隨著化石能源短缺和環(huán)境污染加劇,世界各國日益重視可再生能源的開發(fā)和利用。風力發(fā)電以其清潔、安全、儲能豐富的優(yōu)勢,近年來取得了快速發(fā)展。隨著我國能源結構轉型,風能也將在我國能源結構中發(fā)揮越來越重要的作用。因此對風電生產問題進行深入研究具有重要意義。然而,目前風力發(fā)電企業(yè)仍采用傳統(tǒng)的數(shù)據(jù)庫技術、數(shù)據(jù)處理技術來開展大數(shù)據(jù)的分析研究。由于缺乏專用技術及工具的支持,數(shù)據(jù)處理的時效性、可用性不強,對于數(shù)據(jù)的分析還停留在初級階段,缺乏深層次的數(shù)據(jù)挖掘。為了解決當前風電行業(yè)數(shù)據(jù)分析處理響應慢、實時性低、難以處理高維、屬性復雜數(shù)據(jù)等問題,本文設計開發(fā)了風機集群大數(shù)據(jù)分析平臺。本文的主要內容如下:（1）論文對風機集群大數(shù)據(jù)分析平臺進行了需求分析,基于微服務思想設計了平臺的系統(tǒng)架構和技術架構,完成了平臺功能模塊的劃分和模塊間通信方式的設計。（2）針對風力發(fā)電數(shù)據(jù)存在的數(shù)據(jù)丟失、數(shù)據(jù)異常等問題,論文采用k-近鄰算法完成了缺失數(shù)據(jù)的填補,采用孤立森林算法對異常數(shù)據(jù)進行了檢測,并通過實例驗證了算法的有效性和準確性,同時實現(xiàn)了風力發(fā)電數(shù)據(jù)的歸一化處理。（3）基于Spark Streaming實現(xiàn)了BP神經(jīng)網(wǎng)絡... 

【文章來源】：西安電子科技大學陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：99 頁

【學位級別】：碩士

【部分圖文】：

缺失率對最佳k值的影響

西安電子科技大學碩士學位論文26圖3.3 填補效果對比從圖 3.3 中可以看出，當缺失率較小時，k-近鄰填補、均值填補、回歸填補、EM算法均具有較好的填補效果，當缺失率增加時，四種算法的均方根誤差均隨之增加，可見，數(shù)據(jù)缺失率影響著算法的填補效果。在此情況下 k-近鄰算法 RMSE 值依然低于均值填補、回歸填補和 EM 算法填補。通過以上實驗可知，在缺失率低于 10%時，k-近鄰算法對缺失數(shù)據(jù)的填補表現(xiàn)良好且很穩(wěn)定，能夠滿足使用要求。3.3 風力發(fā)電異常數(shù)據(jù)檢測方法研究現(xiàn)實生產中，數(shù)據(jù)測量誤差、采集記錄錯誤、通信傳輸干擾以及偶然工況等都會致使數(shù)據(jù)污染

風力發(fā)電機組風速-功率散點圖


本文編號：2977872