CN103631681B - 一种在线修复风电场异常数据的方法 - Google Patents
一种在线修复风电场异常数据的方法 Download PDFInfo
- Publication number
- CN103631681B CN103631681B CN201310664683.6A CN201310664683A CN103631681B CN 103631681 B CN103631681 B CN 103631681B CN 201310664683 A CN201310664683 A CN 201310664683A CN 103631681 B CN103631681 B CN 103631681B
- Authority
- CN
- China
- Prior art keywords
- data
- abnormal
- sequence
- abnormal data
- items
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 67
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 62
- 230000008569 process Effects 0.000 claims abstract description 21
- 230000008439 repair process Effects 0.000 claims abstract description 11
- 238000013480 data collection Methods 0.000 claims abstract description 5
- 230000008859 change Effects 0.000 claims description 14
- 239000006185 dispersion Substances 0.000 claims description 4
- 238000012937 correction Methods 0.000 abstract description 4
- 238000007405 data analysis Methods 0.000 abstract description 3
- 241001269238 Data Species 0.000 description 3
- -1 (i)-F Chemical class 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000008034 disappearance Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Landscapes
- Testing And Monitoring For Control Systems (AREA)
- Wind Motors (AREA)
Abstract
本发明提供了一种在线修复风电场异常数据的方法,该方法包括以下步骤:I、根据风电场数据确定处理数据项目;II、选取所述处理数据项目的起始点;III、采用滑动窗差分法获取连续差分数据序列;IV、运用四分位数法判断数据是否为异常数据;V、确定修复数据集。该方法满足异常数据在线检测与修正的要求,能够有效的提高数据质量,保证了采集数据质量,降低了异常源对数据分析的影响。
Description
技术领域
本发明涉及一种新能源发电及接入技术领域的方法,具体讲涉及一种在线修复风电场异常数据的方法。
背景技术
在风电场实时数据采集过程中,由于外界干扰、通讯误码、仪器老化或应用本身等影响,采集数据往往含有一定数量的异常数据。异常数据可能在随后的数据处理过程中产生偏差或误导。目前,主流的异常数据检测方法,如神经网络、数据挖掘、统计、特征选择、小波奇异性检测等都有一个共同的缺点就是需要训练的数据量大,运算代价高,对实时检测有较大影响。
由于越来越多的应用对实时数据都有在线分析的要求,因此需要提供一种简单高效的在线检测修正异常数据的方法。
发明内容
为克服上述现有技术的不足,本发明提供一种在线修复风电场异常数据的方法,该方法具备高效的运算效率,计算复杂度低,满足异常数据在线检测与修正的要求,能够有效的提高数据质量,保证了采集数据质量,降低了异常源对数据分析的影响。
实现上述目的所采用的解决方案为:
一种在线修复风电场异常数据的方法,其改进之处在于:所述方法包括以下步骤:
I、根据风电场数据确定处理数据项目;
II、选取所述处理数据项目的起始点;
III、采用滑动窗差分法获取连续差分数据序列;
IV、运用四分位数法判断数据是否为异常数据;
V、确定修复数据集。
进一步的,所述步骤I包括:选取风电场采集数据Pi,选取n项处理数据项目p(i),i=1,2,...n;
根据处理数据项目确定滑动窗口数据为p(i),i=1,2,...,n,滑动窗口之外的数据为过期数据。
进一步的,所述步骤I中,所述处理数据项目包括有功功率数据项目、无功功率数据项目、机头风速数据项目、风向数据项目和测风塔类数据项目。
进一步的,所述测风塔类数据项目包括不同层高的风速数据项目、风向数据项目、温度、湿度数据项目和压强数据项目。
进一步的,所述步骤II包括:确定滑动窗口数据的阈值ε和相邻点的变化率阈值;
根据所述相邻点的变化率和所述滑动窗口数据的阀值ε判断滑动窗口内的起始点是否含有异常数据;
包含则改变n值,返回步骤一重新选取滑动窗口,保证所述起始点不含异常数据;不包含则继续。
进一步的,所述步骤III包括:根据选取的滑动窗口数据为p(i),i=1,2,...,n确定差分序列σ(i)=p(i+1)-p(i),i=1,2,...,n-1;
将所述差分序列按从大到小的排序,得到序列σ′(i),i=1,2,...,n-1。
进一步的,所述步骤IV包括以下步骤:
S401、根据所述步骤II中的相邻点的变化率阈值依次判断下一数值是否为异常数据;
S402、将所述步骤III中确定的序列σ′(i)进行四等分,记三个分位点依次为U、M、L,下四分位数、中位数和上四分位数分别为FU、FM、FL,获得离散度F=FU-FL;
S403、设定差分序列σ(i),i=1,2,...,n-1中与中位点数FM的距离大于γF,则为异常数据,其中γ为固定系数;
若差分序列σ(i),i=1,2,...,n-1中包含异常数据,则差分序列σ(i),i=1,2,...,n-1的原始数据p(i)为异常数据点。
进一步的,所述步骤V包括:将检测的异常数据点的测量值以p(i)=p(i-1)+σ(i-2)计算值代替;获得的数据p(i)结合约束条件确定为异常点的修复数据值。
与现有技术相比,本发明具有以下有益效果:
(1)本发明的方法结合差分法与分位数法的优点,融入既定约束条件,提出滑动差分分位数检测的方法,与传统方法相比,不需要训练大量的历史数据,只考虑选定滑动窗内的有效数据项,计算复杂度低,缩小计算量,提高计算速度,具有高效的运算效率,能够满足在线实时检测异常数据并修复的要求,能够快速、准确地对海量电力数据进行检测。
(2)本发明的方法满足异常数据在线检测与修正的要求,能够有效的提高数据质量,降低异常源对数据分析的影响。
(3)本发明的方法实现在线异常数据的检测,提高工作效率,保证在后续电力系统数据处理过程中的精确度,对电力系统的稳定高效的运行提供了基础。
(4)本发明的方法对于异常数据,选取有效的标识位进行标识,修复数据的同时,保留原始数据。在后期对数据做统计分析,可以迅速过滤出所需数据,保证数据的真实可靠。
附图说明
图1为风电场异常数据在线修复方法的流程图。
具体实施方式
下面结合附图对本发明的具体实施方式做进一步的详细说明。
如图1所示,图1风电场异常数据在线修复方法的流程图;本发明的风电场异常数据在线修复方法基于时间间隔恒定的高频采样数据,首先选取有效的滑动窗数据,之后仅对该部分数据进行计算,过滤出异常数据并进行修复。运算过程忽略滑动窗以外的数据,结合差分法、分位数法以及一定的约束计算方法,计算过程简单高效,满足在线运行的要求。本方法虽然以风电场实时采集数据为例进行说明,但该方法同样适用于其他时间间隔恒定的高频采样数据的在线修复。风电场异常数据在线修复方法的步骤如下:
步骤一、获取风电场数据,根据风电场数据确定处理数据项目。
当获得一个风电场采集数据pi到达时,选取最近n项处理数据项目,定义p(i),i=1,2,...n为处理数据项目,滑动窗口数据为p(i),i=1,2,...,n,窗口之外的数据视为过期。
所述处理数据项目包括有功功率数据项目、无功功率数据项目、机头风速数据项目、风向数据项目和测风塔类数据项目。
所述测风塔类数据项目包括不同层高的风速数据项目、风向数据项目、温度、湿度数据项目和压强数据项目。
步骤二、选取数据的起始点,该数据的起始点保证不是异常数据。
设定滑动窗口数据的阈值ε和相邻点的变化率阈值a;
根据设定的滑动窗口数据的阈值ε,判断滑动窗口内的起始点是否含有异常数据,若起始点数据是异常数据则改变n值,返回执行步骤一重新选取滑动窗口,以保证起始点不是异常数据。
步骤三、采用滑动窗差分法获取连续差分数据。
选取的滑动窗口数据为p(i),i=1,2,...,n,记其差分序列σ(i)=p(i+1)-p(i),i=1,2,...,n-1。
将得到的差分序列按从大到小的排序,得到序列σ′(i),i=1,2,...,n-1。
步骤四、运用四分位数法判断数据是否为异常数据。
根据相邻点变化率阈值判断下一数值是否为异常数据,若超过相邻点变化率阈值,则认为是异常数据,作修复处理,否则继续检测。
将上述序列σ′(i)进行四等分,记三个分位点依次为U、M、L,通过计算得出离散度F=FU-FL,FU、FM、FL分别为下四分位数、中位数和上四分位数。
考虑已知的约束条件(爬坡约束、装机等),设定与中位数M的距离大于γF的数据为异常数据;即|σ(i)-FM|>γF,则被认为是异常数据。γ为可调节的常数,根据数据类型不同选取不同的数值,一般取0.5,1.0,2.0等。
假定差分序列σ(i),i=1,2,...,n-1中,σ(i-1)被认为是异常数据,则差分序列σ(i),i=1,2,...,n-1的原始数据p(i)认为是异常数据点。
步骤五、根据修复公式p(i)=p(i-1)+σ(i-2)确定修复数据集。
将检测被认为是异常的点的测量值用p(i)=p(i-1)+σ(i-2)计算值代替,得出的p(i)再结合已知的约束条件(爬坡约束、装机等)经过计算得出最终的修复数据值。
保留原有被认定的异常数据,同时增加异常数据标识位(0标识数据正常;1标识数据缺失;2标识数据异常),作为备查和后续使用参考。
以风机有功功率的采样为实施例举例说明
风电场异常数据在线修复方法包括:
一、获取风电场数据,根据风电场数据确定有功数据,选取滑动窗口数据。
从实时数据库或存储器中读取当前时刻之前的n项有功功率数据p(i),i=1,2,...,n,以某风电场102号风机10月30号14:30:00时刻功率为例,功率数据如下表一所示。
二、选取数据的起始点,该数据的起始点保证不是异常数据。
设定正常出力阈值ε,-0.1*cap<ε<1.1*cap,其中cap为风机装机容量,此处为1500kw;设定相邻点有功变化阈值a,-0.1*cap<a<0.1*cap,其中cap为风机装机容量,此处为1500kw。
根据上述阈值,判断选取的n项样本数据的初始点是否是异常数据,如果是则扩大或缩小滑动窗数据选取范围,直到选取的样本数据的初始点不是异常数据。
三、采用滑动窗差分法获得有序的差分序列;
计算各相邻点的差值,得到差分序列σ(i)=p(i+1)-p(i),i=1,2,...,n-1,其中p(i)为i时刻的风机有功功率。将得到的差分序列按从大到小的排序,得到序列σ′(i),i=1,2,...,n-1。
四、结合步骤二中设定的阀值,运用四分位数法检测异常数据。
①根据相邻点的变化率阈值a判断起始点数据的下一数值是否为异常数据;
②将上述序列σ′(i)进行四等分,记三个分位点下依次为U、M、L,通过F=FU-FL计算得出离散度F=52.533。设定与中位数FM的距离大于γF的数据为异常数据,即|σ(i)-FM|>γF,γ为可调节的常数,此处γ取1.0,FM=-0.733。
五、修复异常数据点并设定异常标识位;
经检测,确定原始数据p(i)=346.133,i=9是异常数据点,将该点的采样值用p(i)=p(i-1)+σ(i-2)计算值240.867代替,得出修复值p(i)=240.867,用步骤二中设定的阈值检测修复值满足约束条件,即得到最终的修复值。
保留原有被认定的异常数据,同时增加异常数据标识位(0标识数据正常;1标识数据缺失;2标识数据异常),作为备查和后续使用参考。
表一
最后应当说明的是:以上实施例仅用于说明本申请的技术方案而非对其保护范围的限制,尽管参照上述实施例对本申请进行了详细的说明,所属领域的普通技术人员应当理解:本领域技术人员阅读本申请后依然可对申请的具体实施方式进行种种变更、修改或者等同替换,但这些变更、修改或者等同替换,均在申请待批的权利要求保护范围之内。
Claims (3)
1.一种在线修复风电场异常数据的方法,其特征在于:所述方法包括以下步骤:
I、根据风电场数据确定处理数据项目;
II、选取所述处理数据项目的起始点;
III、采用滑动窗差分法获取连续差分数据序列;
IV、运用四分位数法判断数据是否为异常数据;
V、确定修复数据集;
所述步骤I包括:选取风电场采集数据Pi,选取n项处理数据项目p(i),i=1,2,...,n;
根据处理数据项目确定滑动窗口数据为p(i),i=1,2,...,n,滑动窗口之外的数据为过期数据;
所述步骤II包括:确定滑动窗口数据的阈值ε和相邻点的变化率阈值;
根据所述滑动窗口数据的阀值ε判断滑动窗口内的起始点是否含有异常数据;
包含则改变n值,返回步骤I重新选取滑动窗口,保证所述起始点不含异常数据;不包含则继续;
所述步骤III包括:根据选取的滑动窗口数据为p(i),i=1,2,...,n确定差分序列σ(i)=p(i+1)-p(i),i=1,2,...,n-1;
将所述差分序列按从大到小的排序,得到序列σ′(i),i=1,2,...,n-1;
所述步骤IV包括以下步骤:
S401、根据所述步骤II中的相邻点的变化率阈值依次判断下一数值是否为异常数据;
S402、将所述步骤III中确定的序列σ′(i)进行四等分,记三个分位点依次为U、M、L,下四分位数、中位数和上四分位数分别为FU、FM、FL,获得离散度F=FU-FL;
S403、设定差分序列σ(i),i=1,2,...,n-1中与中位点数FM的距离大于γF,则为异常数据,其中γ为固定系数;
若差分序列σ(i),i=1,2,...,n-1中包含异常数据,则差分序列σ(i),i=1,2,...,n-1的原始数据p(i)为异常数据点;
所述步骤V包括:将检测的异常数据点的测量值以p(i)=p(i-1)+σ(i-2)计算值代替;获得的数据p(i)结合约束条件确定为异常点的修复数据值。
2.如权利要求1所述的一种在线修复风电场异常数据的方法,其特征在于:所述步骤I中,所述处理数据项目包括有功功率数据项目、无功功率数据项目、机头风速数据项目、风向数据项目和测风塔类数据项目。
3.如权利要求2所述的一种在线修复风电场异常数据的方法,其特征在于:所述测风塔类数据项目包括不同层高的风速数据项目、风向数据项目、温度、湿度数据项目和压强数据项目。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310664683.6A CN103631681B (zh) | 2013-12-10 | 2013-12-10 | 一种在线修复风电场异常数据的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310664683.6A CN103631681B (zh) | 2013-12-10 | 2013-12-10 | 一种在线修复风电场异常数据的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103631681A CN103631681A (zh) | 2014-03-12 |
CN103631681B true CN103631681B (zh) | 2016-04-20 |
Family
ID=50212768
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310664683.6A Active CN103631681B (zh) | 2013-12-10 | 2013-12-10 | 一种在线修复风电场异常数据的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103631681B (zh) |
Families Citing this family (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103942615B (zh) * | 2014-04-15 | 2018-03-27 | 广东电网有限责任公司信息中心 | 噪点剔除方法 |
CN104537198B (zh) * | 2014-10-14 | 2017-09-12 | 宁波大学 | 一种气体流量计的数据检测方法 |
CN104915846A (zh) * | 2015-06-18 | 2015-09-16 | 北京京东尚科信息技术有限公司 | 一种电子商务时间序列数据的异常检测方法及系统 |
CN106708694B (zh) * | 2015-11-18 | 2020-06-19 | 腾讯科技(深圳)有限公司 | 一种定位毛刺异常点的方法、装置及计算设备 |
CN105607475A (zh) * | 2015-12-24 | 2016-05-25 | 西安交通大学 | 一种基于双滑动窗口的电器设备运行状态识别方法 |
CN106897941A (zh) * | 2017-01-03 | 2017-06-27 | 北京国能日新系统控制技术有限公司 | 一种基于四分位箱线图的风机异常数据处理方法及装置 |
CN108764498B (zh) * | 2018-05-25 | 2020-12-29 | 安徽领云物联科技有限公司 | 一种设备的健康指数的获取方法及装置 |
CN108932580A (zh) * | 2018-06-05 | 2018-12-04 | 浙江运达风电股份有限公司 | 基于数据建模的风电机组变桨轴承磨损监测和预警方法 |
CN111289093A (zh) * | 2018-12-06 | 2020-06-16 | 珠海格力电器股份有限公司 | 一种空调异响噪音评判方法及系统 |
CN110389949B (zh) * | 2019-07-23 | 2022-12-16 | 华北电力大学 | 一种光伏阵列数据清洗方法 |
CN110457367B (zh) * | 2019-07-25 | 2023-10-27 | 创新先进技术有限公司 | 发现数据异动的方法和系统 |
CN110489852A (zh) * | 2019-08-14 | 2019-11-22 | 北京天泽智云科技有限公司 | 提高风电系统数据质量的方法及装置 |
CN110751371B (zh) * | 2019-09-20 | 2022-06-07 | 苏宁云计算有限公司 | 基于统计四分位距的商品库存风险预警方法、系统及计算机可读存储介质 |
CN110764944B (zh) * | 2019-10-22 | 2023-05-16 | 东软睿驰汽车技术(沈阳)有限公司 | 一种异常检测方法及装置 |
CN111256943A (zh) * | 2020-02-14 | 2020-06-09 | 湖南长海现代实验室设备有限公司 | 一种实验室通风异常检测方法与系统 |
CN117349778B (zh) * | 2023-12-04 | 2024-02-20 | 湖南蓝绿光电科技有限公司 | 一种基于物联网的用电设备在线实时监测系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102521080A (zh) * | 2011-12-07 | 2012-06-27 | 福建省电力有限公司 | 电力用户用电信息采集系统的计算机数据修复方法 |
CN103020166A (zh) * | 2012-11-26 | 2013-04-03 | 宁波电业局 | 一种电力实时数据异常检测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
ZA200509840B (en) * | 2003-05-07 | 2007-03-28 | Saudi Arabian Oil Co | Compositional modeling and pyrolysis data analysis methods |
-
2013
- 2013-12-10 CN CN201310664683.6A patent/CN103631681B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102521080A (zh) * | 2011-12-07 | 2012-06-27 | 福建省电力有限公司 | 电力用户用电信息采集系统的计算机数据修复方法 |
CN103020166A (zh) * | 2012-11-26 | 2013-04-03 | 宁波电业局 | 一种电力实时数据异常检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103631681A (zh) | 2014-03-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103631681B (zh) | 一种在线修复风电场异常数据的方法 | |
US20210262439A1 (en) | Method of identification and compensation of inherent deviation of yaw error of wind turbine based on true power curve | |
CN105930933A (zh) | 风电场理论功率曲线确定方法及装置 | |
CN202814565U (zh) | 风机齿轮箱温度监控装置 | |
CN113011481B (zh) | 一种基于决策树算法的电能表功能异常评估方法及系统 | |
CN103489046A (zh) | 风电场短期功率预测方法 | |
CN104390657A (zh) | 一种发电机组运行参数测量传感器故障诊断方法及系统 | |
CN102496926B (zh) | 风电场功率预测输入数据的判断及处理方法 | |
CN106570790B (zh) | 一种计及风速数据分段特性的风电场出力数据修复方法 | |
CN104933483A (zh) | 一种基于天气过程划分的风电功率预测方法 | |
CN105160060A (zh) | 一种基于实际功率曲线拟合的风电场理论功率确定方法 | |
CN103103570B (zh) | 基于主元相似性测度的铝电解槽况诊断方法 | |
CN104198138A (zh) | 一种风力发电机组异常振动的预警方法及系统 | |
CN103996079B (zh) | 一种基于条件概率的风电功率加权预测方法 | |
CN103473621A (zh) | 风电场短期功率预测方法 | |
CN104281779A (zh) | 一种异常数据判定与处理方法及装置 | |
CN104182594A (zh) | 一种电力系统风区图的绘制方法 | |
CN110674864B (zh) | 一种含同步相量量测装置的风电异常数据辨识方法 | |
CN111488896A (zh) | 一种基于多源数据挖掘的配电线路时变故障概率计算方法 | |
CN104729965A (zh) | 基于区间径向基函数神经网络的pm2.5浓度检测方法 | |
CN108665102B (zh) | 基于中尺度数据预测风电场实时发电量的方法 | |
CN114399081A (zh) | 一种基于天气分类的光伏发电功率预测方法 | |
CN110751213B (zh) | 一种测风塔异常风速数据识别与补齐的方法 | |
CN106686720A (zh) | 一种基于时间维度的无线指纹定位方法及其系统 | |
CN104574221B9 (zh) | 一种基于损失电量特征参数的光伏电站运行状态辨识方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |