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(fēng)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(jié)構(gòu)轉(zhuǎn)型,風(fēng)能也將在我國能源結(jié)構(gòu)中發(fā)揮越來越重要的作用。因此對風(fēng)電生產(chǎn)問題進(jìn)行深入研究具有重要意義。然而,目前風(fēng)力發(fā)電企業(yè)仍采用傳統(tǒng)的數(shù)據(jù)庫技術(shù)、數(shù)據(jù)處理技術(shù)來開展大數(shù)據(jù)的分析研究。由于缺乏專用技術(shù)及工具的支持,數(shù)據(jù)處理的時效性、可用性不強(qiáng),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(dāng)前風(fēng)電行業(yè)數(shù)據(jù)分析處理響應(yīng)慢、實時性低、難以處理高維、屬性復(fù)雜數(shù)據(jù)等問題,本文設(shè)計開發(fā)了風(fēng)機(jī)集群大數(shù)據(jù)分析平臺。本文的主要內(nèi)容如下:（1）論文對風(fēng)機(jī)集群大數(shù)據(jù)分析平臺進(jìn)行了需求分析,基于微服務(wù)思想設(shè)計了平臺的系統(tǒng)架構(gòu)和技術(shù)架構(gòu),完成了平臺功能模塊的劃分和模塊間通信方式的設(shè)計。（2）針對風(fēng)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(bǔ),采用孤立森林算法對異常數(shù)據(jù)進(jìn)行了檢測,并通過實例驗證了算法的有效性和準(zhǔn)確性,同時實現(xiàn)了風(fēng)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(luò)... 

【文章來源】：西安電子科技大學(xué)陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：99 頁

【學(xué)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(xué)碩士學(xué)位論文26圖3.3 填補(bǔ)效果對比從圖 3.3 中可以看出，當(dāng)缺失率較小時，k-近鄰填補(bǔ)、均值填補(bǔ)、回歸填補(bǔ)、EM算法均具有較好的填補(bǔ)效果，當(dāng)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(bǔ)效果。在此情況下 k-近鄰算法 RMSE 值依然低于均值填補(bǔ)、回歸填補(bǔ)和 EM 算法填補(bǔ)。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(bǔ)表現(xiàn)良好且很穩(wěn)定，能夠滿足使用要求。3.3 風(fēng)力發(fā)電異常數(shù)據(jù)檢測方法研究現(xiàn)實生產(chǎn)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(fēng)力發(fā)電機(jī)組風(fēng)速-功率散點圖


本文編號：2977872