CN106570790B - 一种计及风速数据分段特性的风电场出力数据修复方法 - Google Patents
一种计及风速数据分段特性的风电场出力数据修复方法 Download PDFInfo
- Publication number
- CN106570790B CN106570790B CN201610989785.9A CN201610989785A CN106570790B CN 106570790 B CN106570790 B CN 106570790B CN 201610989785 A CN201610989785 A CN 201610989785A CN 106570790 B CN106570790 B CN 106570790B
- Authority
- CN
- China
- Prior art keywords
- data
- abnormal
- power plant
- abnormal data
- wind speed
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000011218 segmentation Effects 0.000 title claims abstract description 34
- 238000000034 method Methods 0.000 title claims abstract description 30
- 230000002159 abnormal effect Effects 0.000 claims abstract description 107
- 238000012216 screening Methods 0.000 claims abstract description 11
- 241001123248 Arma Species 0.000 claims abstract 5
- 238000005070 sampling Methods 0.000 claims description 4
- 238000009826 distribution Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000001276 Kolmogorov–Smirnov test Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Wind Motors (AREA)
Abstract
本发明公开了一种计及风速数据分段特性的风电场出力数据修复方法,包括以下步骤:S1,从得到的数据中筛选重复、缺乏和不合理的异常数据,并根据异常数据所对应连续时间序列的长度,分为连续异常型和局部异常型两类;S2,对于局部异常型数据,采用插值方法得到修复的风电场出力数据;S3,对于连续异常型数据,基于最大后验概率,利用异常数据前后的正常数据判断异常数据是否含有分段点,然后基于每段的风速特性由正常数据或模式识别方法得到,基于该风速特性,采用ARMA模型生成修复的风速,进一步得到修复的风电场出力数据;S4,验证修复数据的有效性,输出修复报告;提高了电网中辅助服务的决策精度,减少了不必要的***备用。
Description
技术领域
本发明属于新能源电站出力数据修复领域,尤其涉及一种计及风速数据分段特性的风电场出力数据修复方法。
背景技术
由于风能蕴量巨大、分布广泛、清洁、无污染,目前风力发电已经在全球范围内得到快速发展。但由于风能的随机性、波动性和间歇性的特点,风电大规模接入将对电力***产生巨大的影响,因此有必要对接入***的风电场出力历史数据进行分析,进行提取风电场出力特性,为电网运行的调度提供重要的决策依据。
然而,风电场一般位置比较偏远,通信条件较差,其检测数据与数据中心的实时通信不够稳定,经常出现数据缺失、重复、错误等问题,严重影响风电场出力数据的质量,限制了该数据的应用。因此,针对这些缺失、重复、错误等异常数据的修复,显得十分重要。
现有的数据修复技术,多是通过提取风电场出数据的特征,然后利用插值或预测等方式,得到异常数据的修正值。这类数据修复技术,可以较好地确保风电场出力数据的统计特性的一致性,消除了异常数据项对风电场出力数据特征的影响。
虽然这种方法可以很大程度上消除异常数据对风电场出力统计特性的干扰,但是这类修复技术往往仅能保证修复的数据在一个较长的时间段内与正常数据保持一致的统计特性。即使有些修复技术中考虑了不同季节或白天与黑夜风电统计特性的差异,但是仍无法有效刻画大风日和小风日等由实时天气信息决定的特性,而这些大风日和小风日的日数和分布特性对于电力***的规划和运行十分重要,无法修复这些特性将严重影响异常比例较大的风电场出力数据的应用。
因此,需要一种新的风电场出力数据修复技术来避免上述缺陷的产生。
发明内容
针对现有技术的不足,本发明的目的是提供一种计及风速数据分段特性的风电场出力数据修复方法,以风速的修复为核心,通过对风速序列的分段点的确定和异常数据对应的统计学特征的确定,实现了计及短期风速统计特性差异的风电场出力数据修复技术,使得在修复数据时,不仅起到“去劣”,还能引入有价值的有效信息,对于提高风电场出力数据在电力***规划和运行中的应用具有十分显著的意义。
一种计及风速数据分段特性的风电场出力数据修复方法,所述修复方法包括以下步骤:
S1,从得到的数据中筛选重复、缺乏和不合理的异常数据,并根据异常数据所对应连续时间序列的长度,分为连续异常型和局部异常型两类;
S2,对于局部异常型数据,采用插值方法得到修复的风电场出力数据;
S3,对于连续异常型数据,基于最大后验概率,利用异常数据前后的正常数据判断异常数据是否含有分段点,然后基于每段的风速特性由正常数据或模式识别方法得到,基于该风速特性,采用ARMA模型生成修复的风速,进一步得到修复的风电场出力数据;
S4,验证修复数据的有效性,输出修复报告。
优选地,所述S1具体为:
查找相同时间点对应多条数据出力的数据记录,这些数据记录为重复数据;查找数据修复时间窗口内无出力数据的时间点,这些时间点所对应的为缺失数据,筛选风电场出力数据中连续4个时间点以上数据相同的数据记录、出力数据大于开机容量的数据记录和夜间存在出力的数据记录,这些数据记录为不合理数据;如果连续不少于5个时间点对应数据记录均为异常数据,则这些时间点所对应的数据记录为连续异常型数据记录,其余异常数据为局部异常型数据记录。
优选地,所述S2具体为:
记局部异常型数据个数为N,取局部异常型数据之前数据[N/2]项,之后数据[N/2]项,这些数据对应的横坐标值分别标为1,2,…,[N/2],N+[N/2],N+[N/2]+1,…,2N;以上述N个点拟合得到N阶多项式拟合函数;计算拟合函数在[N/2]+1,[N/2]+2,…,[N/2]+N的值作为修复的出力数据。
优选地,所述S3具体包括以下步骤:
选取该组异常数据前后的正常数据,异常数据前后的正常数据长度均为1天;基于KS检验,利用异常数据前后的正常数据判断异常数据是否含有分段点;若该组异常数据中含有分段点,抽样分段点位置,分段点前后数据分别利用所属分段的正常数据得到ARMA模型,然后利用ARMA模型得到异常数据所对应时间序列的风速;若该组异常数据中不含有分段点,则直接利用异常数据前后的正常数据,得到ARMA模型,然后利用ARMA模型得到异常数据所对应时间序列的风速;基于风机的出力特性公式,由风速得到风电场各类型风机的出力序列;将风电场中开机的风机出力序列求各,得到修复的风电场出力数据。
本发明的技术方案具有以下有益效果:
本发明提供的一种计及风速数据分段特性的风电场出力数据修复方法,该方法可以考虑风速在短期内的非平稳特性,通过短期内的分段,提高了风电场出力数据修复的精度。本发明可以更为有效地修正风电场出力数据中的异常记录,提高风电场出力数据的质量;这有利于提高电网规划和运行的决策水平,提高电网中辅助服务的决策精度,减少不必要的***备用,从而提高电网建设和运行的经济性。
附图说明
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
图1为本发明一种计及风速数据分段特性的风电场出力数据修复方法的整体流程图;
图2为本发明一种计及风速数据分段特性的风电场出力数据修复方法的交流侧故障时换相电压面积示意图。
具体实施方式
为了清楚了解本发明的技术方案,将在下面的描述中提出其详细的结构。显然,本发明实施例的具体施行并不足限于本领域的技术人员所熟习的特殊细节。本发明的优选实施例详细描述如下,除详细描述的这些实施例外,还可以具有其他实施方式。
下面结合附图和实施例对本发明做进一步详细说明。
参照图1,本发明一种计及风速数据分段特性的风电场出力数据修复方法的整体流程图,包含异常数据的筛选与分类、天气信息与光伏出力参数特征提取、异常数据组的修复等主要步骤,具体为:
1)筛选得到数据中重复、缺乏和不合理的异常数据,并根据异常数据所对应连续时间序列的长度,分为连续异常型和局部异常型两类;
2)对于局部异常型数据,采用插值方法得到修复的风电场出力数据;
3)对于连续异常型数据,基于最大后验概率,利用异常数据前后的正常数据判断异常数据是否含有分段点,然后基于每段的风速特性由正常数据或模式识别方法得到,基于该风速特性,采用ARMA模型生成修复的风速,进一步得到修复的风电场出力数据;
4)验证修复数据的有效性,输出修复报告。
所述步骤1)具体包含以下步骤:查找相同时间点对应多条数据出力的数据记录,这些数据记录为重复数据;查找数据修复时间窗口内无出力数据的时间点,这些时间点所对应的为缺失数据,筛选风电场出力数据中连续4个时间点以上数据相同的数据记录、出力数据大于开机容量的数据记录和夜间存在出力的数据记录,这些数据记录为不合理数据;如果连续不少于5个时间点对应数据记录均为异常数据,则这些时间点所对应的数据记录为连续异常型数据记录,其余异常数据为局部异常型数据记录。
所述步骤2)具体包含以下步骤:记局部异常型数据个数为N,取局部异常型数据之前数据[N/2]项,之后数据[N/2]项,这些数据对应的横坐标值分别标为1,2,…,[N/2],N+[N/2],N+[N/2]+1,…,2N;以上述N个点拟合得到N阶多项式拟合函数;计算拟合函数在[N/2]+1,[N/2]+2,…,[N/2]+N的值作为修复的出力数据。
所述步骤3)具体包含以下步骤:选取该组异常数据前后的正常数据,异常数据前后的正常数据长度均为1天;基于KS检验,利用异常数据前后的正常数据判断异常数据是否含有分段点;若该组异常数据中含有分段点,抽样分段点位置,分段点前后数据分别利用所属分段的正常数据得到ARMA模型,然后利用ARMA模型得到异常数据所对应时间序列的风速;若该组异常数据中不含有分段点,则直接利用异常数据前后的正常数据,得到ARMA模型,然后利用ARMA模型得到异常数据所对应时间序列的风速;基于风机的出力特性公式,由风速得到风电场各类型风机的出力序列;将风电场中开机的风机出力序列求各,得到修复的风电场出力数据。
其中,异常数据的筛选与分类:异常数据主要指重复数据、缺失数据和不合理数据三种。如图2所示,重复数据是指某一时刻所对应多条不同的光伏电站出力数据记录;缺失数据是指某一时刻对应的不完备的光伏电站出力数据记录,此处“不完备”是指出力数据记录中存有的各数据项不足以由彼此之间的物理意义相互推导;不合理数据是指不符合物理实际的光伏电站出力数据记录。
按照上述分类,依次查找和筛选三类异常数据:查找相同时间点对应多条数据出力的数据记录,这些数据记录为重复数据;查找数据修复时间窗口内无出力数据的时间点,这些时间点所对应的为缺失数据,筛选光伏电站出力数据中连续4个时间点以上数据相同的数据记录、出力数据大于开机容量的数据记录和夜间存在出力的数据记录,这些数据记录为不合理数据。
在筛选不合理数据时,应该考虑数据纪录的精度和误差。当开机容量为Pon时,可以将光伏电站出力在[-αPon,(1+α)Pon]区间时未超出光伏电站开机容量,α可根据数据质量可选0.03~0.1的数值。
将时间点相邻的异常数据归并为异常数据组,如果异常数据组的元素个数不少于5,则该组异常数据组中的数据记录为连续异常型数据记录,否则为局部异常型数据记录。
局部异常型数据的修复:局部异常型数据和连续异常型数据的性质不同,前者所对应的时间间隔较短,气象数据在此时间间隔内的变化并不明显,此时影响光伏出力的主要因素为局部区域的特性,不需要利用气象数据进行修复。所以,本发明对于局部异常型数据和连续异常型数据采用不同的修复方法。
对于局部异常型数据,直接利用多项式插值法进行修复。若局部异常型数据个数为N,取局部异常型数据之前数据[N/2]项,之后数据[N/2]项,这些数据对应的横坐标值分别标为1,2,…,[N/2],N+[N/2],N+[N/2]+1,…,2N;以上述N个点拟合得到N阶多项式拟合函数;计算拟合函数在[N/2]+1,[N/2]+2,…,[N/2]+N的值作为修复的出力数据。
基于KS检验的分段点判断:在异常数据组前后各取相临一天的风速数据,分别记为S1和S2。本发明用KS检验(柯尔莫哥洛夫-斯米尔诺夫检验)来S1和S2检验是否同分布,步骤如下:
1)假设S1和S2服从相同分布;
2)统计两组风速数据的累积概率,分别记为F1,n(x)和F1,n(x),其中n为S1和S2的数据量,累积概率定义如下:
其中,I[-∞,x](Xi)为指示函数,即Xi<x为1,否则为0;
3)计算KS统计:
其中,sup为上确界运算;
4)检验是否拒绝假设
若满足下式,则(在0.05水平下)拒绝假设,S1和S2服从不同分布,即该组异常数据存在分段点,否则不存在分段点。
若异常数据存在段点,则利用均匀分布,抽样分段点所在位置。
4.ARMA模型的参数估计
ARMA模型(自回归滑动平均模型)是风速模型的典型方法,本发明采用ARMA(3,3)模型来模拟风速,即自回归分量和滑动平均分量均采用3阶模型。ARMA(3,3)的时间序列形式如下:
其中c为常数,εt为白噪音(即服从期望为0、方差为δ2高斯分布的随机变量),φi和θi为模型的参数。
本发明利用自回归逼近法来进行参数估计。记参数估计用到的正常风速序列为X,长度为n,需要估计的参数为φ和θ,δ2,c。
1)由风速序列的期望估计常数c
2)估计风速序列对应AR(3)模型的参数φ
记
则s(φ)可以写为
于是φ的最小二乘估计为
3)计算风速序列残差
4)计算ARMA(3,3)中参数φ,θ和δ2
记
δ2的最小二乘估计为
本发明提供的一种计及风速数据分段特性的风电场出力数据修复方法,该方法可以考虑风速在短期内的非平稳特性,通过短期内的分段,提高了风电场出力数据修复的精度。本发明可以更为有效地修正风电场出力数据中的异常记录,提高风电场出力数据的质量;这有利于提高电网规划和运行的决策水平,提高电网中辅助服务的决策精度,减少不必要的***备用,从而提高电网建设和运行的经济性。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员依然可以对本发明的具体实施方式进行修改或者等同替换,这些未脱离本发明精神和范围的任何修改或者等同替换,均在申请待批的权利要求保护范围之内。
Claims (2)
1.一种计及风速数据分段特性的风电场出力数据修复方法,其特征在于,所述修复方法包括以下步骤:
S1,从得到的数据中筛选重复、缺乏和不合理的异常数据,并根据异常数据所对应连续时间序列的长度,分为连续异常型和局部异常型两类;
S2,对于局部异常型数据,采用插值方法得到修复的风电场出力数据;
S3,对于连续异常型数据,基于最大后验概率,利用异常数据前后的正常数据判断异常数据是否含有分段点,若含有分段点,抽样分段点位置,分段点前后数据分别利用所属分段的正常数据得到ARMA模型,然后利用ARMA模型得到异常数据所对应时间序列的风速;若不含有分段点,则直接利用异常数据前后的正常数据,得到ARMA模型,然后利用ARMA模型得到异常数据所对应时间序列的风速;基于风机的出力特性公式,由风速得到风电场各类型风机的出力序列;进一步得到修复的风电场出力数据;
S4,验证修复数据的有效性,输出修复报告。
2.根据权利要求1所述一种计及风速数据分段特性的风电场出力数据修复方法,其特征在于,所述S1具体为:
查找相同时间点对应多条数据出力的数据记录,这些数据记录为重复数据;查找数据修复时间窗口内无出力数据的时间点,这些时间点所对应的为缺失数据,筛选风电场出力数据中连续4个时间点以上数据相同的数据记录、出力数据大于开机容量的数据记录和夜间存在出力的数据记录,这些数据记录为不合理数据;如果连续不少于5个时间点对应数据记录均为异常数据,则这些时间点所对应的数据记录为连续异常型数据记录,其余异常数据为局部异常型数据记录。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610989785.9A CN106570790B (zh) | 2016-11-10 | 2016-11-10 | 一种计及风速数据分段特性的风电场出力数据修复方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610989785.9A CN106570790B (zh) | 2016-11-10 | 2016-11-10 | 一种计及风速数据分段特性的风电场出力数据修复方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106570790A CN106570790A (zh) | 2017-04-19 |
CN106570790B true CN106570790B (zh) | 2021-05-07 |
Family
ID=58541185
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610989785.9A Active CN106570790B (zh) | 2016-11-10 | 2016-11-10 | 一种计及风速数据分段特性的风电场出力数据修复方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106570790B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107392304A (zh) * | 2017-08-04 | 2017-11-24 | 中国电力科学研究院 | 一种风电机组异常数据识别方法及装置 |
CN109740630A (zh) * | 2018-12-06 | 2019-05-10 | 中科恒运股份有限公司 | 异常数据处理方法及装置 |
CN109800217B (zh) * | 2018-12-28 | 2023-06-06 | 南京天溯自动化控制***有限公司 | 一种连续异常能耗数据的修复方法、装置及电子设备 |
CN110083804B (zh) * | 2019-04-24 | 2022-10-28 | 华中科技大学无锡研究院 | 基于条件分布回归的风电场scada数据缺失的智能修复方法 |
CN110513252B (zh) * | 2019-08-30 | 2020-11-24 | 湘电风能有限公司 | 一种风电场scada***数据异常告警修复***与方法 |
CN112067908B (zh) * | 2020-08-20 | 2023-06-16 | 国网山东省电力公司电力科学研究院 | 变电站机器人测量工频电场时畸变电场的拟合方法及*** |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104766175A (zh) * | 2015-04-16 | 2015-07-08 | 东南大学 | 一种基于时间序列分析的电力***异常数据辨识与修正方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104252649A (zh) * | 2014-09-25 | 2014-12-31 | 东南大学 | 一种计及多风电场相关性的区域风电出力预测方法 |
CN105160181B (zh) * | 2015-09-02 | 2018-02-23 | 华中科技大学 | 一种数控***指令域序列异常数据检测方法 |
-
2016
- 2016-11-10 CN CN201610989785.9A patent/CN106570790B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104766175A (zh) * | 2015-04-16 | 2015-07-08 | 东南大学 | 一种基于时间序列分析的电力***异常数据辨识与修正方法 |
Non-Patent Citations (1)
Title |
---|
ARMA 模型在振动信号分析中的应用;李社新;《机械科学与技术》;20101130;第29卷(第11期);第1586-1588页 * |
Also Published As
Publication number | Publication date |
---|---|
CN106570790A (zh) | 2017-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106570790B (zh) | 一种计及风速数据分段特性的风电场出力数据修复方法 | |
CN103631681B (zh) | 一种在线修复风电场异常数据的方法 | |
CN110570122B (zh) | 一种计及风速季节特性及集电***元件故障的海上风电场可靠性评估方法 | |
CN110362045B (zh) | 一种考虑海洋气象因素的海上双馈风电机组故障判别方法 | |
CN108847682B (zh) | 一种基于运行数据的光伏发电站并网性能评估方法及*** | |
CN111522808B (zh) | 一种风电机组异常运行数据处理方法 | |
CN110674864B (zh) | 一种含同步相量量测装置的风电异常数据辨识方法 | |
CN109167387A (zh) | 风场风电功率预测方法 | |
CN111275570A (zh) | 一种基于迭代式统计与假设检验的风电机组功率异常值检测方法 | |
CN103345585A (zh) | 基于支持向量机的风功率预测校正方法及*** | |
CN115758151A (zh) | 联合诊断模型建立方法、光伏组件故障诊断方法 | |
CN108460228B (zh) | 一种基于多目标优化算法进行风电场等值的方法 | |
CN112632749B (zh) | 一种风力发电机发电性能的评价方法及装置 | |
CN105701265A (zh) | 一种双馈风电机组建模方法及装置 | |
CN112598148A (zh) | 基于协同表达和LightGBM算法的风机变桨电机温度故障预警方法 | |
CN114281846B (zh) | 一种基于机器学习的新能源发电预测方法 | |
CN115898787A (zh) | 一种风电机组静态偏航误差动态识别方法及装置 | |
Bao et al. | Iterative modeling of wind turbine power curve based on least‐square B‐spline approximation | |
CN112347655B (zh) | 一种基于机组运行性能评估的风电场理论功率计算方法 | |
CN111459925A (zh) | 一种园区综合能源异常数据组合式插补方法 | |
McKinnon et al. | Comparison of novel SCADA data cleaning technique for wind turbine electric pitch system | |
CN114021992B (zh) | 一种面向大型风电机组实时出力性能的评估方法 | |
CN117195136B (zh) | 一种电网新能源异常数据监测方法 | |
CN113309661B (zh) | 一种提升风力发电机组发电量的方法 | |
Tian et al. | Topology Identification of Intelligent Distribution Network Based on 1D-CNN |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |