[发明专利]一种基于k-medoids算法的风电机组功率曲线建模方法

说明书

一种基于k‑medoids算法的风电机组功率曲线建模方法，包括以下步骤：步骤S1：读取SCADA数据库中相关数据、风电场故障记录和相关维护维修记录；步骤S2：对收集数据进行数据清洗；步骤S3：对清洗后的数据进行异常值筛除；步骤S4：对数据进行标准化修正；步骤S5：区间划分统计相应指标，建立标准功率曲线数据模型。本发明克服了现有技术的不足，能够有效对风力发电机组功率曲线达标符合度的判定起到关键作用，有利于评定风电场发电量的相关指标完成度，同时也可以深入了解风电机组的实际运行状态，为风电机组的定检、预警等运维工作提供指导。

技术领域

本发明涉及风电场性能后评估技术领域，具体涉及一种基于 k-medoids算法的风电机组功率曲线建模方法。

背景技术

风电机组功率曲线是表征风电机组正常运行条件下输出功率和风速对应关系的曲线，是风电机组控制系统设计的重要衡量标准。根据风电场的风资源情况可以进一步得出单机和整场的年度风频风能分布情况，结合与之适配的功率曲线可以推算对应的年发电量情况。但是由于温度、气压、空气密度等因素和不同品牌风机、不同主控系统等外部因素的存在，造成不同风电场甚至同一风电场的不同机型存在功率曲线上的差异性。

发明内容

针对现有技术的不足，本发明提供了一种基于k-medoids算法的风电机组功率曲线建模方法，克服了现有技术的不足，能够有效对风力发电机组功率曲线达标符合度的判定起到关键作用，有利于评定风电场发电量的相关指标完成度，同时也可以深入了解风电机组的实际运行状态，为风电机组的定检、预警等运维工作提供指导。

为实现以上目的，本发明通过以下技术方案予以实现：

本发明公开了一种基于k-medoids算法的风电机组功率曲线建模方法，包括以下步骤：

步骤S1：读取SCADA数据库中相关数据、风电场故障记录和相关维护维修记录；

步骤S2：对收集数据进行数据清洗；

步骤S3：对清洗后的数据进行异常值筛除；

步骤S4：对数据进行标准化修正；

步骤S5：区间划分统计相应指标，建立标准功率曲线数据模型。

优选地，所述步骤S1中的数据范围为大于一年期的数据。

优选地，所述步骤S2中的数据清洗包括通用数据清洗和特定数据清洗；

所述通用数据清洗针对全空数据、部分缺失数据、重复数据和部分异常数据进行处理；

所述特定数据清洗针对时间间隔不达标数据、状态位异常标识数据、风速越界数据、限功率数据进行处理。

优选地，所述步骤S3中对清洗后的数据进行异常值筛除具体包括以下步骤：

步骤31：以给定的数据集作为数据输入，数目为M，定义构建一个具有k类的模型；

步骤32：选择k＝4作为小于额定风速阶段的参数设置，选择k＝3 作为大于额定风速阶段的参数设置；

步骤33：对于每一个10min数据X1、X2、X3…Xm，选择初始化的 k个类别中心medoids的点a1、a2…ak。

步骤34：对于每一条数据，依据风速和功率的计算对应中心aj 的曼哈顿距离，按照与类别中心最近的原则，将剩余的n-k个点分配到当前最佳的medoids代表的类中；

步骤35：对于第i个类中除对应medoids点外的所有其他点，按顺序计算当其为新的medoids时，准则函数的值，遍历所有可能，选取准则函数最小时对应的点作为新的medoids。