[发明专利]基于大数据技术的风电出力异常数据重构方法

说明书

技术领域

本发明属于异常数据重构技术领域，具体涉及一种基于大数据技术的风电出力异常数据重构方法。

背景技术

随着电力大数据时代的到来，电力大数据在应用过程中存在着对行业内外能源数据、天气数据等多类型数据的大量关联分析需求，而这些都直接导致了电力数据类型的增加，从而极大地增加了电力大数据的复杂度。电力行业对大数据的需求，其迫切性将大大超越其他基础能源行业。电力大数据将贯穿未来电力工业生产及管理等各个环节，起到独特而巨大的作用。在电力生产环节，风光储等新能源的大量接入，打破了传统相对“静态”的电力生产，使得电力生产的计量和管理变得日趋复杂。

风电运行数据是电力大数据的重要组成部分。当前，风力发电是可再生能源开发利用中技术最成熟、最具开发规模和商业化发展前景的发电形式。随着风力发电技术的不断发展，由于风电功率所呈现的随机性、波动性和间歇性，风电大规模并网对电力系统的影响也越来越明显，研究风电对系统的影响并在此基础上提出相关技术解决措施已成为当前的研究热点和重要课题。

风电历史运行数据是研究风电功率波动特性、风电功率预测、风电功率对电网影响评估及控制策略、风电功率曲线的计算、测试以及修正的基础，因此，对风电场历史运行数据的记录就尤为重要。

对于风力发电运营管理方，通过实测风速和风电功率得到的功率曲线是衡量风电机组和风电场经济技术水平的最佳标尺，可以用于评估风机和风电场的性能和运行状况、预测风机和风电场的年发电量等；对于预测服务商，历史实测风速和风电功率数据作为预测系统的基础输入数据，对预测精度有显著影响。

然而，从风电场收集到的大量数据中通常包含异常数据点，这样的异常点表现出数据缺失，越限，功率波动梯度过大等特征。通过对风电场的运行经验和统计结果的分析，异常数据点的主要来源有：风机叶片受污垢和冰等环境因素的影响形成异常点体现在风电场功率曲线上；维修或弃风限电造成的风电场停机；传感器故障等控制系统问题；由表计测量误差导致的异常观测值等。

因此，如何对风电历史运行数据中的异常数据点进行还原重构，是准确评估风机和风电场的性能和运行状况、预测风机和风电场的年发电量等的关键，现有技术中没有相关解决方案。

发明内容

针对现有技术存在的缺陷，本发明提供一种基于大数据技术的风电出力异常数据重构方法，可有效解决上述问题。

本发明采用的技术方案如下：

本发明提供一种基于大数据技术的风电出力异常数据重构方法，包括以下步骤：

步骤1，将大量的风电出力原始数据分布存储于HDFS的不同节点中；其中，所述风电出力原始数据包括数据标号、风机ID、电厂ID、区域ID、数据采集日期、数据采集时刻、实际有功功率值、采集方式、采集人员、风机风速、风机风向、空气密度以及风机状态；

步骤2，从HDFS中读取需要进行数据重构的若干个风电出力原始数据；将所述若干个风电出力原始数据分割为若干个数据块，将每个所述数据块分配给对应的一个分布处理任务；

各个所述分布处理任务采用并行计算方式，循环处理分配给自身的数据块中的各个风电出力原始数据，对其进行异常数据重构；

其中，对于任意的一个风电出力原始数据，对应的分布处理任务采用以下方式进行异常数据重构：

步骤2.1，所述分布处理任务识别到风机状态；其中，所述风机状态包括以下九种状态：待风状态、发电状态、降额发电状态、计划停运状态、非计划停运状态、调度停运状态、通讯中断状态、场内受累停运状态和场外受累停运状态；

步骤2.2，如果识别到风机状态为通讯中断状态，则不对数据进行重构，等待数据给定状态后再进行重构；

如果识别到风机状态为待风状态、计划停运状态、非计划停运状态、调度停运状态、场内受累停运状态或场外受累停运状态，则将风机的实际有功功率值重构为0值；

如果识别到风机状态为发电状态或降额发电状态值，则执行步骤2.3；

步骤2.3，根据风机ID，调取与风机对应的训练后的BP神经网络模型，基于所述训练后的BP神经网络模型，计算得到风机理论有功功率值；

步骤2.4，如果识别到风机状态为发电状态，则将风机的实际有功功率值重构为风机理论有功功率值；

如果识别到风机状态为降额发电状态值，则进一步获取风机功率调度值；然后，判断风机理论有功功率值是否大于等于风机功率调度值，如果是，则将风机的实际有功功率值重构为风机功率调度值；如果否，将风机的实际有功功率值重构为风机理论有功功率值。