[发明专利]一种风电异常数据识别清理方法及系统

说明书

本发明公开了一种风电异常数据识别清理方法及系统，其特征在于按照以下步骤进行：步骤S1、步骤S2、步骤S3、步骤S4、步骤S5、步骤S6和步骤S7。本发明通过构建综合异常数据识别结果矩阵CA，能够综合考虑多种原始数据信息；通过优化算法对权重系数ω_i和数据清理阈值F进行寻优，避免人为设置权值和阀值；提出综合评分指标SOCSI，实现对复杂数据清理效果的综合评价。本发明提出的风电异常数据识别清理方法和系统，可以避免过度删减正常数据和过度保留异常数据等问题，有效提高异常数据清理方法的适用性。

技术领域

本发明涉及风电技术领域，具体地，涉及一种风电异常数据识别清理方法及系统。

背景技术

高质量的数据清洗效果是描述各个风速段内风力机真实出力情况的保证，是数据分析挖掘和风电预测领域的基础。

现有的风电数据清洗方式主要分为两类，第一类是通过建立功率曲线边界模型，将位于功率曲线边界之外的数据视为异常数据；第二类是根据异常数据和正常数据具有不同的数学统计特性来区分和清洗异常数据或根据异常值的位置分布来检测。

由于现有异常数据清理方法为基于某个单一数学统计特性，同时，风电异常数据评价指标往往从某单方面进行评价，基于单一评价指标设置权值和阀值，将出现过度删减正常数据和过度保留异常数据或适用性弱等情况。

综上，如何保证不过度删减正常数据和过度保留异常数据，提高清理效果和适用性，是目前风电异常数据清理领域急需解决的问题。

发明内容

本发明的目的是为了解决过度删减正常数据和过度保留异常数据或者适用性弱等问题，提供一种风电异常数据识别清理方法及系统。

为实现上述目的，本发明提供了一种风电异常数据识别清理方法及系统，该方法包括以下步骤：

获得原始SCADA系统数据，对所述的原始SCADA系统数据进行初步剔除，建立原始数据矩阵H_zk；

分别按u种特征的数值大小对所述的原始数据矩阵H_zk进行升序排序，获得排序后的数据矩阵Hⁿ_zk,,n＝1,2,...,u；

采用m种单一异常数据清理方法，对所述的排序后的数据矩阵Hⁿ_zk进行异常功率数据识别，获得u×m种异常数据识别结果矩阵Aⁱ_zt； i＝1,2,3…u×m；t＝1,2；

分别对所述的u×m种异常数据识别结果矩阵Aⁱ_zt的第二列进行升序排序，得到排序后的u×m种异常数据识别结果矩阵Bⁱ_zt；i＝1,2,3…u×m；t＝1,2；

通过优化算法Opt，以综合评分指标SOCSI最大为目标，寻优获得所述的u×m种异常数据识别结果矩阵Bⁱ_zt的权重系数ω_i和数据清理阈值F； i＝1,2,3…u×m；

将所述的排序后的u×m种异常数据识别结果矩阵Bⁱ_zt中的第一列按下式计算进行加权组合，构建综合异常数据识别结果矩阵CA；所述的矩阵CA 的维度是z行1列；

其中，CA为综合异常数据识别结果矩阵，z为所述Bⁱ_zt的样本数据总数；ω_i为对应所述的第i种异常数据识别结果矩阵的权重系数；

根据所述的数据清理阈值F，对所述的综合异常数据识别结果矩阵 CA，进行数据清理，得到异常数据集AD和正常数据集ND。