CN115408860A - 一种风电场风速-功率数据的异常值监测及修正方法 - Google Patents
一种风电场风速-功率数据的异常值监测及修正方法 Download PDFInfo
- Publication number
- CN115408860A CN115408860A CN202211050136.4A CN202211050136A CN115408860A CN 115408860 A CN115408860 A CN 115408860A CN 202211050136 A CN202211050136 A CN 202211050136A CN 115408860 A CN115408860 A CN 115408860A
- Authority
- CN
- China
- Prior art keywords
- data
- power
- wind speed
- wind
- margin
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/06—Wind turbines or wind farms
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Wind Motors (AREA)
Abstract
本发明为一种风电场风速‑功率异常数据监测及修正方法，将历史数据划分为若干个区间，在原本的最大值原理法的运用之前，基于数据点密度舍弃较远的离群点，即将密度较小的点舍弃，对保留数据点进行拟合，得到风速‑功率拟合曲线，提高了拟合风速‑功率曲线的准确性，有效避免了由小数据量造成过大误差而引起的问题。分别在恒转矩运行阶段和恒功率运行阶段均设置了一定的裕量，增加了适用性，避免了因拟合曲线而丢掉过多的正常数据点，并对异常数据进行标记；实现了对风电场风速‑功率数据的异常值的识别和监测。
Description
技术领域
本发明涉及风力发电领域，具体涉及一种风电场风速-功率数据的异常值监测及修正方法。
背景技术
风电场的安全运行和调度优化需要准确、有效的风速-功率数据提供支撑。而通过数据采集与监控***(SCADA)获得的数据，由于环境影响、传感器失灵、弃风限电、计划外停机等因素的影响，异常数据很难避免，这些异常数据会直接影响到预测模型的精度，对风电场运行状况的评估有很大影响。
建立风功率曲线的数学模型是一种实现对风电机组风速-功率运行数据清洗的有效方法。风功率曲线是很多风力发电机组进行分析的基础，描述了风速与机组输出功率之间的关系。它不仅是设计风电机组控制***的重要依据，还是考核风电机组发电性能和风电场运行状况的重要指标。
目前进行风功率曲线建模的参数方法包括分段线性法、多项式功率曲线法、最大值原理法、动态功率曲线法、概率模型法等。这些方法各有利弊，例如，最大值原理法模型简单，但是其拟合曲线的过渡区到额定功率处过高地估计了该点的值，进而影响了准确性，影响风电场运行状况的评估效果。
发明内容
针对现有技术的不足，本发明拟解决的技术问题是，提供一种风电场风速-功率数据的异常值监测及修正方法，该方法能够提高异常值监测的准确性，进而提高了数据的准确性。
本发明解决所述技术问题采用以下技术方案实现：
一种风电场风速-功率异常数据监测及修正方法，该方法包括以下内容：
将历史风速数据和功率数据进行离散化，划分为m1个风速区间和m2个功率区间，一个风速区间对应m2个功率区间，共形成m1xm2个区域，分别统计每个区域内的风速-功率数据的数量，得到风速-功率联合频数分布直方图；根据每个区域内频数的分布得到每个区域的风速-功率数据的密度，弃掉风速-功率数据的密度在0.00001以下的区域的风速-功率数据；对于保留的风速-功率数据在每个区域内求取区域内的功率最大值，同时在每个风速区间内求取风速区间内的风速最大值，一个风速最大值对应m2个区域的功率最大值，按照风速最大值的大小顺序对区域内的功率最大值进行排序，得到风速最大值-功率最大值的数组P_v，相邻风速最大值之间为一个数组区间；
采用分段三次Hermite插值多项式(PCHIP)方式对数组P_v的数组区间进行插值，设置插值数量，补充风速-功率数据；对补充后的风速-功率数据运用生长曲线函数拟合得到风功率曲线上边界以及其函数表达式，风功率曲线上边界以及其函数表达式即为根据最大值原理法获得的风速-功率曲线模型；
初筛：在补充后的风速-功率数据中对小于切入风速的数据进行初步异常标记，初步异常数据标记为1，并直接剔除；
裕量筛选：将剔除初筛异常数据的剩余风速-功率数据分为两个阶段进行处理：恒转矩运行阶段和恒功率运行阶段，在每个阶段分别设置相应裕量使其符合相应阶段的标准风速-功率曲线的分布特点，再运用由生长曲线函数确定的风功率曲线上边界的函数表达式在每个阶段利用已知风速求得相应的功率数据，分别获得每个阶段的风速-功率值的上边界，将风速-功率值的上边界向右平移确定风速-功率值的下边界；最后再在每个阶段对上下边界分别加上相应裕量，在裕量范围内的数据为正常数据，裕量范围之外的数据为裕量异常数据，将裕量异常数据也标记为1，经过裕量初筛后将所有剔除初筛异常数据的剩余风速-功率数据分成风功率正常数据和裕量异常数据，风功率正常数据标记为0；
异常数据修正：对风电场的全部风机的风功率正常数据运用皮尔逊相关分析法进行相关性分析，得到风机之间的相关系数矩阵；对于待补充数据的风机筛选出矩阵中相关系数最大的风机，再将所筛选的风机数据与待补充数据的风机的对应的异常数据进行匹配，若所筛选的风机数据标记为0，则根据利用相关系数最大的风机的风速-风功率正常数据对裕量异常数据进行修正补充；若所筛选的风机数据标记为1，则待补充数据的风机的该对应数据不进行修正补充。
一种风电场风速-功率异常数据监测及修正方法，该方法具体包括下述步骤：
步骤一：生成风速-功率最大值的数组
1-1将历史风速数据和功率数据从小到大排列，进行离散化处理，划分为以1m/s为区间大小的m1个风速区间和以100kw为区间大小的m2个功率区间；以风速划分的区间为准，进行每个区间数据点频数的统计；
分别统计m1xm2个区域中每个区域内风速-功率数据的数量N＝{N1,N2,N3·····}生成风速-功率联合频数分布直方图；
1-2根据公式(1)得到对应区域的风速-功率的密度ρ；
式(1)中，n为历史风速数据的总个数，N为每个区域内风速-功率数据的数量，即区域频数；
1-3对每个区域内的风速-功率的密度进行检验，若风速-功率的密度ρ小于0.00001，则弃掉该区域；否则保留该区域；
1-4在检验符合密度要求的数据中分别找到每个区域的功率最大值和风速最大值，所有区域的风速最大值和功率最大值组合后得到风速最大值-功率最大值的数组P_v，相邻风速最大值之间为一个数组区间；
步骤二：生长曲线函数拟合风速-功率曲线
2-1运用分段三次Hermite插值多项式，在数组P_v的每个数组区间进行插值，补充风速-功率数据；
式(2)为三次Hermite插值多项式的表达式，其中，x0，x1为待插值点的相邻的两个点的位置，即每个数组区间的端点风速值；y0，y1对应于自变量x0，x1的因变量，即端点风速对应的功率最大值；y'0和y'1是对应的导数，x为风速；
2-2对补充后的风速-功率数据运用生长曲线函数拟合得到风功率曲线上边界以及其函数表达式，风功率曲线上边界以及其函数表达式如公式(3)所示；
其中，a、b、K为皮尔模型的参数；y表示功率，x表示风速；
步骤三：异常数据标记
3-1初筛：切入风速为3m/s，在补充后的风速-功率数据中对小于切入风速的数据进行初步异常标记，初步异常数据标记为1，并直接剔除；
3-2裕量筛选：将剔除初筛异常数据的剩余风速-功率数据分为两个阶段进行处理：恒转矩运行阶段和恒功率运行阶段，在每个阶段分别设置相应裕量使其符合相应阶段的标准风速-功率曲线的分布特点，再运用由生长曲线函数确定的风功率曲线上边界的函数表达式在每个阶段利用已知风速求得相应的功率数据，分别获得每个阶段的风速-功率值的上边界，将风速-功率值的上边界向右平移确定风速-功率值的下边界；最后再在每个阶段对上下边界分别加上相应裕量，在裕量范围内的数据为正常数据，裕量范围之外的数据为裕量异常数据，将裕量异常数据也标记为1，经过裕量初筛后将所有剔除初筛异常数据的剩余风速-功率数据分成风功率正常数据和裕量异常数据，风功率正常数据标记为0；
步骤四：异常数据修正、补齐风速数据
利用风功率正常数据根据皮尔逊相关分析法建立风电场所有风机的风速相关系数矩阵，对于待补充数据的风机筛选出矩阵中相关系数最大的风机，再将所筛选的风机数据与待补充数据的风机的对应的异常数据进行匹配，若所筛选的风机数据标记为0，则根据利用相关系数最大的风机的风速-风功率正常数据对裕量异常数据进行修正补充；若所筛选的风机数据标记为1，则待补充数据的风机的该对应数据不进行修正补充。
与现有技术相比，本发明的有益效果是：
本发明方法将历史数据划分为若干个区间，在原本的最大值原理法的运用之前，基于数据点密度舍弃较远的离群点，即将密度较小的点舍弃，对保留数据点进行拟合，得到风速-功率拟合曲线，提高了拟合风速-功率曲线的准确性，有效避免了由小数据量造成过大误差而引起的问题。
本发明方法分别在恒转矩运行阶段和恒功率运行阶段均设置了一定的裕量，增加了适用性，避免了因拟合曲线而丢掉过多的正常数据点，并对异常数据进行标记；实现了对风电场风速-功率数据的异常值的识别和监测。
本发明方法中，标准风速-功率曲线的分布特点与生长曲线的分布特点相似，本发明创造性地采用了生长曲线函数拟合的方式进行风速功率拟合，来描述风速和功率之间的关系，提高了拟合的精度。同时采用皮尔逊相关分析法对不同风机的风速数据进行相关性分析，由相关度高的正常风机数据修正异常风机的数据，实现了数据的高精度修正。
附图说明
图1为历史风速数据和功率数据离散化，划分为n个风速区间和m个功率区间，分别统计每个区域内风速-功率数据的数量，得到风速-功率联合频数分布直方图。
图2为弃掉密度低于0.00001的历史数据点后，根据最大值原理得到的带有全部历史数据的风速-功率曲线的上下边界图。
图3为在每个区域运用三次多项式插值法得到的风速-功率数据散点图。
图4为运用生长曲线函数拟合得到的正常风速-功率曲线上边界图。
图5为在恒转矩运行阶段和恒功率运行阶段设置了一定的裕量之后，得到的带有标记的风速-功率散点图，黑色散点为原始数据，灰色散点为正常的风速-功率数据。
图6为相关度高的正常风机风速数据代替同一时刻异常风机的数据后，得到的风速折线图，折线为补充前风速数据，圆圈标记为补充风速数据。
具体实施方式
下面通过实施例及附图进一步对本发明的技术方案作进一步具体的说明，但并不以此作为对本申请保护范围的限定。
本发明风电场风速-功率异常数据监测及修正方法中的异常数据可分为三类，第一类为由于传感器故障或者停机造成的风速很大、功率为零的数据；第二类为弃风或故障造成的数据；第三类为传感器故障或通信错误造成的风速很小、功率很大的数据。其中，第二类异常数据居多。第三类异常数据可通过切入风速初筛剔除，第一类和第二类异常数据通过设置裕量方式进行筛选标记。
本实施例为一种风电场风速-功率异常数据监测及修正方法，该方法包括下述内容：
步骤一：生成风速-功率最大值的数组
1-1将历史风速数据和功率数据从小到大排列，进行离散化处理，划分为以1m/s为区间大小的m1个风速区间和以100kw为区间大小的m2个功率区间；两种区间是分别划分的，相互之间没有关联；以风速划分的区间为准，进行每个区间数据点频数的统计；
分别统计m1xm2个区域中每个区域内风速-功率数据的数量N＝{N1,N2,N3·····}生成风速-功率联合频数分布直方图；
1-2进一步得到对应的风速-功率的密度分布；
式(1)中，n为历史风速数据的总个数，N为每个区域内风速-功率数据的数量，即区域频数。
1-3对每个区域内的风速-功率的密度进行检验，若风速-功率散点的密度小于0.00001，则弃掉该点；否则保留该点。
1-4在检验符合密度要求的数据中分别找到每个区域的功率最大值和风速最大值，所有区域的风速最大值和功率最大值组合后得到风速最大值-功率最大值的数组P_v，相邻风速最大值之间为一个数组区间。
步骤二：生长曲线函数拟合风速-功率曲线
2-1运用分段三次Hermite插值多项式(PCHIP)，在数组P_v的每个数组区间进行插值，补充风速-功率数据；
式(2)为三次Hermite插值多项式的表达式，其中，x0，x1为待插值点的相邻的两个点的位置，即每个数组区间的端点风速值；y0，y1对应于自变量x0，x1的因变量，即端点风速对应的功率最大值；y'0和y'1是对应的导数，x为风速；在同一个数组区间内不同的区域内y0，y1的值不同。
2-2对补充后的风速-功率数据运用生长曲线函数拟合得到风功率曲线上边界以及其函数表达式，风功率曲线上边界以及其函数表达式如公式(3)所示，即为根据最大值原理法获得的风速-功率曲线模型；
式(3)为皮尔生长曲线模型，其中，a、b、K为皮尔模型的参数；y表示功率，x表示风速；
步骤三：异常数据标记
3-1初筛：切入风速为3m/s，不同风电场的切入风速可能会不同，这里以3m/s为例，在补充后的风速-功率数据中对小于切入风速的数据进行初步异常标记，初步异常数据标记为1，并直接剔除；
3-2裕量筛选：将剔除初筛异常数据的剩余风速-功率数据分为两个阶段进行处理：恒转矩运行阶段和恒功率运行阶段，在每个阶段分别设置相应裕量使其符合相应阶段的标准风速-功率曲线的分布特点，再运用由生长曲线函数确定的风功率曲线上边界的函数表达式在每个阶段利用已知风速求得相应的功率数据，分别获得每个阶段的风速-功率值的上边界，将风速-功率值的上边界向右平移确定风速-功率值的下边界；最后再在每个阶段对上下边界分别加上相应裕量，在裕量范围内的数据为正常数据，裕量范围之外的数据为裕量异常数据，将裕量异常数据也标记为1，经过裕量初筛后将所有剔除初筛异常数据的剩余风速-功率数据分成风功率正常数据和裕量异常数据，风功率正常数据标记为0；
恒转矩运行阶段的风速范围为大于切入风速，小于额定风速；恒功率运行阶段的风速范围为大于额定风速；设置恒转矩运行阶段留有的初始裕量a，恒功率运行阶段留有的初始裕量b；在步骤2-2确定了风功率曲线上边界后，此时生长曲线函数的参数为已知值，直接将相应阶段的已知风速数据带入得到对应的功率数据，得到确切的风速-功率值的上边界，平移得到其下边界，此时下边界的水平线左端点临近稀疏点；每个阶段上下边界加上留有的裕量得到新的边界，两个新的边界构成裕量范围；判断功率数据是否在裕量范围内，若超出该裕量范围则对功率数据进一步进行裕量异常标记，也标记为1。
裕量值的设置最终需要符合标准风速-功率曲线的分布特点，在实际使用中可以设置初始裕量值后期通过调整来达到该标准，若得到的正常数据散点图整体形状不符合标准风速-功率曲线的分布特点，则需要重新调整裕量值a、b的大小，直到符合标准，进而确定最终的裕量值，得到留有一定裕量的风速-功率正常数据散点图。
步骤四：异常数据修正、补齐风速数据
4-1根据皮尔逊相关分析法建立风电场所有风机的风速相关系数矩阵，本实施例中以风电场中有50台风机为例，找到与缺失数据相关度高的正常风机数据。皮尔逊相关系数，又称皮尔逊积矩相关系数，是用于度量两组数据X、Y之间的线性相关性，其值介于-1到1之间。
其计算公式为
式中：cov(X,Y)是X和Y的协方差；σX、σY分别是X和Y的标准差；X,Y分别为两台不同风机的风速值。ρX,Y的值越接近1，表示两组数据的相关性越强。
4-2对待补充数据的风机与其他风机的相关系数由大到小进行排序，将相关系数最高的正常风机风速-功率数据对应代替待补充数据的风机该时刻的异常风速-功率数据，得到修正值veq、Peq。
本发明未述及之处适用于现有技术。
Claims (5)
1.一种风电场风速-功率异常数据监测及修正方法，该方法包括以下内容：将历史风速数据和功率数据进行离散化，划分为m1个风速区间和m2个功率区间，一个风速区间对应m2个功率区间，共形成m1xm2个区域，分别统计每个区域内的风速-功率数据的数量，得到风速-功率联合频数分布直方图；根据每个区域内频数的分布得到每个区域的风速-功率数据的密度，弃掉风速-功率数据的密度在0.00001以下的区域的风速-功率数据；对于保留的风速-功率数据在每个区域内求取区域内的功率最大值，同时在每个风速区间内求取风速区间内的风速最大值，一个风速最大值对应m2个区域的功率最大值，按照风速最大值的大小顺序对区域内的功率最大值进行排序，得到风速最大值-功率最大值的数组P_v，相邻风速最大值之间为一个数组区间；
采用分段三次Hermite插值多项式方式对数组P_v的数组区间进行插值，设置插值数量，补充风速-功率数据；对补充后的风速-功率数据运用生长曲线函数拟合得到风功率曲线上边界以及其函数表达式；
初筛：在补充后的风速-功率数据中对小于切入风速的数据进行初步异常标记，初步异常数据标记为1，并直接剔除；
裕量筛选：将剔除初筛异常数据的剩余风速-功率数据分为两个阶段进行处理：恒转矩运行阶段和恒功率运行阶段，在每个阶段分别设置相应裕量使其符合相应阶段的标准风速-功率曲线的分布特点，再运用由生长曲线函数确定的风功率曲线上边界的函数表达式在每个阶段利用已知风速求得相应的功率数据，分别获得每个阶段的风速-功率值的上边界，将风速-功率值的上边界向右平移确定风速-功率值的下边界；最后再在每个阶段对上下边界分别加上相应裕量，在裕量范围内的数据为正常数据，裕量范围之外的数据为裕量异常数据，将裕量异常数据也标记为1，经过裕量初筛后将所有剔除初筛异常数据的剩余风速-功率数据分成风功率正常数据和裕量异常数据，风功率正常数据标记为0；
异常数据修正：对风电场的全部风机的风功率正常数据运用皮尔逊相关分析法进行相关性分析，得到风机之间的相关系数矩阵；对于待补充数据的风机筛选出矩阵中相关系数最大的风机，再将所筛选的风机数据与待补充数据的风机的对应的异常数据进行匹配，若所筛选的风机数据标记为0，则根据利用相关系数最大的风机的风速-风功率正常数据对裕量异常数据进行修正补充；若所筛选的风机数据标记为1，则待补充数据的风机的该对应数据不进行修正补充。
2.根据权利要求1所述的风电场风速-功率异常数据监测及修正方法，其特征在于，所述异常数据分为三类，第一类为由于传感器故障或者停机造成的风速很大、功率为零的数据；第二类为弃风或故障造成的数据；第三类为传感器故障或通信错误造成的风速很小、功率很大的数据。
3.一种风电场风速-功率异常数据监测及修正方法，该方法包括下述步骤：
步骤一：生成风速-功率最大值的数组
1-1将历史风速数据和功率数据从小到大排列，进行离散化处理，划分为以1m/s为区间大小的m1个风速区间和以100kw为区间大小的m2个功率区间；以风速划分的区间为准，进行每个区间数据点频数的统计；
分别统计m1xm2个区域中每个区域内风速-功率数据的数量N＝{N1,N2,N3·····}生成风速-功率联合频数分布直方图；
1-2根据公式(1)得到对应区域的风速-功率的密度ρ；
式(1)中，n为历史风速数据的总个数，N为每个区域内风速-功率数据的数量，即区域频数；
1-3对每个区域内的风速-功率的密度进行检验，若风速-功率的密度ρ小于0.00001，则弃掉该区域；否则保留该区域；
1-4在检验符合密度要求的数据中分别找到每个区域的功率最大值和风速最大值，所有区域的风速最大值和功率最大值组合后得到风速最大值-功率最大值的数组P_v，相邻风速最大值之间为一个数组区间；
步骤二：生长曲线函数拟合风速-功率曲线
2-1运用分段三次Hermite插值多项式，在数组P_v的每个数组区间进行插值，补充风速-功率数据；
式(2)为三次Hermite插值多项式的表达式，其中，x0，x1为待插值点的相邻的两个点的位置，即每个数组区间的端点风速值；y0，y1对应于自变量x0，x1的因变量，即端点风速对应的功率最大值；y'0和y'1是对应的导数，x为风速；
2-2对补充后的风速-功率数据运用生长曲线函数拟合得到风功率曲线上边界以及其函数表达式，风功率曲线上边界以及其函数表达式如公式(3)所示；
其中，a、b、K为皮尔模型的参数；y表示功率，x表示风速；
步骤三：异常数据标记
3-1初筛：切入风速为3m/s，在补充后的风速-功率数据中对小于切入风速的数据进行初步异常标记，初步异常数据标记为1，并直接剔除；
3-2裕量筛选：将剔除初筛异常数据的剩余风速-功率数据分为两个阶段进行处理：恒转矩运行阶段和恒功率运行阶段，在每个阶段分别设置相应裕量使其符合相应阶段的标准风速-功率曲线的分布特点，再运用由生长曲线函数确定的风功率曲线上边界的函数表达式在每个阶段利用已知风速求得相应的功率数据，分别获得每个阶段的风速-功率值的上边界，将风速-功率值的上边界向右平移确定风速-功率值的下边界；最后再在每个阶段对上下边界分别加上相应裕量，在裕量范围内的数据为正常数据，裕量范围之外的数据为裕量异常数据，将裕量异常数据也标记为1，经过裕量初筛后将所有剔除初筛异常数据的剩余风速-功率数据分成风功率正常数据和裕量异常数据，风功率正常数据标记为0；
步骤四：异常数据修正、补齐风速数据
利用风功率正常数据根据皮尔逊相关分析法建立风电场所有风机的风速相关系数矩阵，对于待补充数据的风机筛选出矩阵中相关系数最大的风机，再将所筛选的风机数据与待补充数据的风机的对应的异常数据进行匹配，若所筛选的风机数据标记为0，则根据利用相关系数最大的风机的风速-风功率正常数据对裕量异常数据进行修正补充；若所筛选的风机数据标记为1，则待补充数据的风机的该对应数据不进行修正补充。
4.根据权利要求3所述的风电场风速-功率异常数据监测及修正方法，其特征在于，恒转矩运行阶段的风速范围为大于切入风速，小于额定风速；恒功率运行阶段的风速范围为大于额定风速；设置恒转矩运行阶段留有的初始裕量a，恒功率运行阶段留有的初始裕量b；在步骤2-2确定了风功率曲线上边界后，此时生长曲线函数的参数为已知值，直接将相应阶段的已知风速数据带入得到对应的功率数据，得到确切的风速-功率值的上边界，平移确定其下边界；每个阶段上下边界加上留有的裕量得到新的边界，两个新的边界构成裕量范围；判断功率数据是否在裕量范围内，若超出该裕量范围则对功率数据进一步进行裕量异常标记，也标记为1。
5.根据权利要求4所述的风电场风速-功率异常数据监测及修正方法，其特征在于，所述裕量值的设置符合标准风速-功率曲线的分布特点，在实际使用中设置初始裕量值后期通过调整来达到该标准，若得到的正常数据散点图整体形状不符合标准风速-功率曲线的分布特点，则需要重新调整裕量值a、b的大小，直到符合标准，进而确定最终的裕量值，得到留有一定裕量的风速-功率正常数据散点图。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211050136.4A CN115408860A (zh) | 2022-08-31 | 2022-08-31 | 一种风电场风速-功率数据的异常值监测及修正方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211050136.4A CN115408860A (zh) | 2022-08-31 | 2022-08-31 | 一种风电场风速-功率数据的异常值监测及修正方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115408860A true CN115408860A (zh) | 2022-11-29 |
Family
ID=84163468
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211050136.4A Pending CN115408860A (zh) | 2022-08-31 | 2022-08-31 | 一种风电场风速-功率数据的异常值监测及修正方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115408860A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115980504A (zh) * | 2023-03-21 | 2023-04-18 | 中车山东风电有限公司 | 一种风力发电机组发电性能在线检测方法及检测终端 |
-
2022
- 2022-08-31 CN CN202211050136.4A patent/CN115408860A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115980504A (zh) * | 2023-03-21 | 2023-04-18 | 中车山东风电有限公司 | 一种风力发电机组发电性能在线检测方法及检测终端 |
| CN115980504B (zh) * | 2023-03-21 | 2023-08-11 | 中车山东风电有限公司 | 一种风力发电机组发电性能在线检测方法及检测终端 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11401913B2 (en) | Yaw calibration method and system for wind turbine | |
| CN106014858B (zh) | 一种风电机组对风误差自动校准方法及装置 | |
| CN107038292B (zh) | 一种基于自适应多变量非参数核密度估计的多风电场出力相关性建模方法 | |
| CN102562469B (zh) | 基于校正算法的短期风力发电机输出功率预测方法 | |
| CN109002650A (zh) | 一种风电机组功率曲线建模方法 | |
| CN109779848B (zh) | 全场风速修正函数的获得方法、装置及风电场 | |
| CN110365053B (zh) | 基于延迟优化策略的短期风电功率预测方法 | |
| 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 | |
| CN115408860A (zh) | 一种风电场风速-功率数据的异常值监测及修正方法 | |
| CN111260503A (zh) | 一种基于聚类中心优化的风电机组功率曲线离群点检测方法 | |
| CN110879927A (zh) | 一种用于海目标检测的海杂波幅度统计分布现场建模方法 | |
| CN110705099B (zh) | 一种检定风电场出力相关性的方法 | |
| CN113626767A (zh) | 一种风机限电识别方法、***、设备和存储介质 | |
| CN115115090A (zh) | 一种基于改进lstm-cnn的风功率短期预测方法 | |
| CN107808209B (zh) | 基于加权kNN距离的风电场异常数据辨识方法 | |
| CN116956047B (zh) | 一种基于风力发电数据的风电机组性能评估*** | |
| CN113359435A (zh) | 用于火电机组动态工况数据的修正方法 | |
| CN115898787A (zh) | 一种风电机组静态偏航误差动态识别方法及装置 | |
| Pandit et al. | Comparison of binned and Gaussian Process based wind turbine power curves for condition monitoring purposes | |
| CN113048012B (zh) | 基于混合高斯模型的风电机组偏航角度识别方法和装置 | |
| Bao et al. | Iterative modeling of wind turbine power curve based on least‐square B‐spline approximation | |
| CN110083804B (zh) | 基于条件分布回归的风电场scada数据缺失的智能修复方法 | |
| CN117473854A (zh) | 一种海上风电机组齿轮箱健康评估方法、***及设备 | |
| CN112459970B (zh) | 一种运用数据对抗学习的风电机组异常检测方法 | |
| CN113309661B (zh) | 一种提升风力发电机组发电量的方法 |
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 |