[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在审
申请号: | 202210565276.9 | 申请日: | 2022-05-23 |
公开(公告)号: | CN114968999A | 公开(公告)日: | 2022-08-30 |
发明(设计)人: | 邹祖冰;乔延辉;王罗;韩爽;孙长平;刘永前;李梦杰;刘杰;张美俊;汤维贵 | 申请(专利权)人: | 中国长江三峡集团有限公司;华北电力大学 |
主分类号: | G06F16/215 | 分类号: | G06F16/215;G06F16/2458 |
代理公司: | 北京众合诚成知识产权代理有限公司 11246 | 代理人: | 张文宝 |
地址: | 430010 *** | 国省代码: | 湖北;42 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 时序 匹配 双向 四分位 算法 异常 数据 清洗 方法 | ||
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,…,Pn,若第t时刻的风电功率Pt满足Pt-1≥Pt<Pt+1或Pt-1>Pt≤Pt+1,则风电功率Pt为上升趋势转折点;若第t时刻的风电功率Pt满足Pt-1≤Pt>Pt+1或Pt-1<Pt≥Pt+1,则风电功率Pt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PIT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PIT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PIT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。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国长江三峡集团有限公司;华北电力大学,未经中国长江三峡集团有限公司;华北电力大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210565276.9/1.html,转载请声明来源钻瓜专利网。