[发明专利]基于变点分组-二步分位数与DCNN结合的风电数据恢复方法

权利要求书

1.一种基于变点分组-二步分位数与DCNN结合的风电数据恢复方法，其特征在于，包括：

步骤1：对风电受控出力影响因素进行分析，根据异常数据的不同成因对风速-功率数据形态进行划分；

步骤2：采集风电机组的风速区间的风速-功率数据样本，从而构成风电机组的风速-功率数据样本集合；

步骤3：利用变点分组法对得到的风速-功率数据样本进行清洗，剔除曲线底部堆积型异常数据、曲线中部堆积型异常数据和部分的曲线周围分散型异常数据；

步骤4：利用二步分位数算法识别曲线上部堆积型异常数据和剩余的曲线周围分散型异常数据，进而将所有的异常数据删除得到正常数据集；

步骤5：使用深度卷积神经网络即DCNN进行曲线优化，将清洗后的部分缺失的风速-功率数据点进行重构，得到重构后的无数据缺失的风速-功率数据点。

2.根据权利要求1所述的基于变点分组-二步分位数与DCNN结合的风电数据恢复方法，其特征在于，所述步骤S2：具体包括：

步骤S21：某一风速区间内的数据样本集合为：

W＝{(v₁,p₁),(v₂,p₂),…,(v_i,p_i),…,(v_n,p_n)}

式中，v_i和p_i分别表示第i个数据样本的风速和功率，且数据按照功率值降序排列，即令p_ip_i+1，i∈(1,n-1)；

步骤S22：求出各风速-功率数据点方差为S_i：

其中，p_j为第j个数据点的功率，表示第1个数据点到第i个数据点的功率的平均值；

步骤S23：计算方差变化率k(i)：

k(i)＝|S_i-S_i-1|，i＝2,3,…，n。

3.根据权利要求1所述的基于变点分组-二步分位数与DCNN结合的风电数据恢复方法，其特征在于，所述步骤S3中，利用变点分组法，剔除底部堆积型异常数据、中部堆积型异常数据和部分曲线周围分散型异常数据，具体包括：

步骤S31：利用变点分组法进行数据清洗，剔除异常数据时，采用最小二乘法对方差变化率k(i)进行处理；

设x_q(i)是数据样本次序的变量为i，有自变量x₁,x₂,…，x_r和因变量k的函数，其中q＝1,…，r，x_q(i)是i的完全已知非随机函数，k(i)为随机变量，分为前后两段，两段各服从一阶线性模型，回归系数在i＝j处发生突变，即：

式中，β₁⁽¹⁾＝[α⁽¹⁾β₁⁽¹⁾…β_r⁽¹⁾]^T和β₂⁽²⁾＝[α⁽²⁾β₁⁽²⁾…β_r⁽²⁾]^T为系数列向量，e为自然对数，j为回归变点，k(i)是连续的，因此有约束条件：

β₁^(1)Tx(j)＝β₂^(2)Tx(j)

其中，x(j)为回归变点处的完全已知非随机函数；

步骤S32：根据最小二乘法的原理，步骤S21中的数据样本模型的加权目标函数为：

式中，各项的权w_i与样本k(i)的误差方差成反比；

步骤S33：求出在约束条件下目标函数的最小值，以确定变点j的估计值：

求出变点j后，变点之后的数据作为异常数据删除，因而将数据划分为正常数据和异常数据两部分，即：

式中，W_n为数据样本中风速区间的正常数据集；W₀为数据样本中风速区间的异常数据集，对其他风速区间进行相同处理，即得到风电机组整个风速区间的风速-功率曲线正常数据集和异常数据集。