[发明专利]一种基于时序匹配和双向四分位算法的异常数据清洗方法

权利要求书

1.一种基于时序匹配和双向四分位算法的异常数据清洗方法，其特征在于，包括以下步骤：

步骤1：采集风电机组的实测风速和风电功率数据；

步骤2：利用风速-风电功率时序匹配算法辨识风电机组限功率异常数据；具体包括：

步骤21：采用基本趋势转折点和重要趋势转折点确定算法对风电功率时间序列进行分段划分；

步骤22：基于风速-风电功率时序匹配度量对限功率分段时间序列进行筛选；

步骤23：基于额定功率剔除系数对额定功率分段时间序列进行剔除；

步骤3：利用双向四分位算法清洗风电功率分散型异常数据。

2.根据权利要求1所述基于时序匹配和双向四分位算法的异常数据清洗方法，其特征在于，所述步骤21中的基本趋势转折点定义如下：

基本趋势转折点分为上升趋势转折点和下降趋势转折点；设风电功率的时间序列为P＝P₁,P₂,…,P_n，若第t时刻的风电功率P_t满足P_t-1≥P_t＜P_t+1或P_t-1＞P_t≤P_t+1，则风电功率P_t为上升趋势转折点；若第t时刻的风电功率P_t满足P_t-1≤P_t＞P_t+1或P_t-1＜P_t≥P_t+1，则风电功率P_t为下降趋势转折点。

3.根据权利要求1所述基于时序匹配和双向四分位算法的异常数据清洗方法，其特征在于，所述步骤21中的重要趋势转折点定义如下：

对于风电功率时间序列基本转折点序列一个重要趋势转折点P^IT与两个连续的基本趋势转折点和构成的最小模式序列中，是否为重要趋势转折点，取决于到P^IT和线段的垂直距离D，垂直距离D越大，越有可能是重要趋势转折点。

4.根据权利要求3所述基于时序匹配和双向四分位算法的异常数据清洗方法，其特征在于，所述垂直距离D的大小受数值本身大小的影响，利用相对垂直距离RD和绝对波动量相结合的方式确定风电功率时间序列的重要趋势转折点；所述相对垂直距离RD和绝对波动量的计算分别如公式(1)和公式(2)所示：

式中，RD为的相对垂直距离；t₁为风电功率P^IT所对应的时刻；t₂为风电功率所对应的时刻；t₃为风电功率所对应的时刻；ΔP为风电功率绝对波动量；α为相对垂直距离阈值；β为绝对波动量阈值。

5.根据权利要求1所述基于时序匹配和双向四分位算法的异常数据清洗方法，其特征在于，所述步骤22具体包括如下子步骤：

步骤221：采用数据时间对标法，提取不同风电功率分段时间序列所对应的风速分段时间序列；

步骤222：计算不同分段时间序列的长度L；所述分段时间序列的长度L应满足L≥γ，γ为时长阈值；

步骤223：计算不同分段时间序列的风速-风电功率时序匹配度，提取时序不匹配的风电功率分段时间序列。