CN107527057B - 一种风速功率异常数据剔除方法及装置 - Google Patents
一种风速功率异常数据剔除方法及装置 Download PDFInfo
- Publication number
- CN107527057B CN107527057B CN201710801235.4A CN201710801235A CN107527057B CN 107527057 B CN107527057 B CN 107527057B CN 201710801235 A CN201710801235 A CN 201710801235A CN 107527057 B CN107527057 B CN 107527057B
- Authority
- CN
- China
- Prior art keywords
- wind speed
- power
- digital image
- data
- scatter diagram
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
- G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明实施例提供一种风速功率异常数据剔除方法及装置,方法包括:获取预设时间段内的历史风速功率数据,构建风速与功率的散点图;利用风速与功率的散点图的频率分布特征,将所述散点图转换为数字图像;基于数字图像的空间特征对该数字图像进行滤波,剔除数字图像中的高频分量;将滤波后的数字图像还原为新的风速与功率的散点图;基于风速‑功率的相关关系对还原后的新的风速与功率的散点图中的数据拟合两条边界线,除去两条线边界线以外的数据,获得剔除异常数据之后的风速功率数据。本发明实施例可有效解决风速功率异常数据分布均匀和数据分叉环境下的数据难剔除的问题,充分利用风速与功率的空间分布特征来剔除异常数据,提高了工作效率。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种风速功率异常数据剔除方法及装置。
背景技术
随着风电并网容量迅速增加,进行风电功率预测具有重要的现实意义。进行功率预测首要的一步是对数据筛选,剔除异常点。
目前,风速功率异常数据的剔除主要依赖手动方式、半自动方式,或者基于概率的方法。
然而手动、半自动方式依赖于人的经验,不同的人剔除的数据效果不一样,很难达到统一,同时也需要大量的时间;基于概率的方法对于样本少的数据段很难剔除,同时对于分布均匀的数据和电厂扩容后有数据分叉现象的也很难剔除。
鉴于此,如何解决风速功率异常数据分布均匀和数据分叉环境下的数据难剔除的问题成为目前需要解决的技术问题。
发明内容
为解决上述的技术问题,本发明实施例提供一种风速功率异常数据剔除方法及装置,能够有效解决风速功率异常数据分布均匀和数据分叉环境下的数据难剔除的问题。
第一方面,本发明实施例提供一种风速功率异常数据剔除方法,包括:
获取预设时间段内的历史风速功率数据,并基于所述历史风速功率数据构建风速与功率的散点图;
利用风速与功率的散点图的频率分布特征,将所述风速与功率的散点图转换为数字图像;
基于所述数字图像的空间特征,对所述数字图像进行滤波,剔除所述数字图像中的高频分量;
将滤波后的数字图像还原为新的风速与功率的散点图;
基于风速-功率的相关关系,对还原后的新的风速与功率的散点图中的数据拟合两条边界线,除去两条线边界线以外的数据,获得剔除异常数据之后的风速功率数据。
可选地,所述利用风速与功率的散点图的频率分布特征,将所述风速与功率的散点图转换为数字图像,包括:
根据风速与功率的散点图的频率分布特征,将所述散点图划分成多个不同的区间;
统计每个区间数据的个数并映射到0~255的范围,将映射后的数作为数字图像的灰度值,进而将所述风速与功率的散点图转换为数字图像。
可选地,所述将滤波后的数字图像还原为新的风速与功率的散点图,包括:
将滤波后的数字图像中灰度值不为0的位置与转换为数字图像之前的风速与功率的散点图进行对应,找到滤波后的数字图像中灰度值不为0的位置在转换为数字图像之前的风速与功率的散点图中相对应的位置,将所述相对应的位置的风速功率数据取出,基于所取出的风速功率数据,构建还原后的新的风速与功率的散点图。
可选地,所述基于所述数字图像的空间特征,对所述数字图像进行滤波,剔除所述数字图像中的高频分量,包括:
基于所述数字图像的空间特征,对所述数字图像进行小波滤波,剔除所述数字图像中的高频分量。
可选地,所述基于风速-功率的相关关系,对还原后的新的风速与功率的散点图中的数据拟合两条边界线,包括:
基于风速-功率的相关关系,对还原后的新的风速与功率的散点图中的数据进行神经网络拟合两条边界线;
或者,
基于风速-功率的相关关系,利用支持向量机,对还原后的新的风速与功率的散点图中的数据拟合两条边界线。
第二方面,本发明实施例提供一种风速功率异常数据剔除装置,包括:
获取模块,用于获取预设时间段内的历史风速功率数据,并基于所述历史风速功率数据构建风速与功率的散点图;
转换模块,用于利用风速与功率的散点图的频率分布特征,将所述风速与功率的散点图转换为数字图像;
第一剔除模块,用于基于所述数字图像的空间特征,对所述数字图像进行滤波,剔除所述数字图像中的高频分量;
还原模块,用于将滤波后的数字图像还原为新的风速与功率的散点图;
第二剔除模块,用于基于风速-功率的相关关系,对还原后的新的风速与功率的散点图中的数据拟合两条边界线,除去两条线边界线以外的数据,获得剔除异常数据之后的风速功率数据。
可选地,所述转换模块,具体用于
根据风速与功率的散点图的频率分布特征,将所述散点图划分成多个不同的区间;
统计每个区间数据的个数并映射到0~255的范围,将映射后的数作为数字图像的灰度值,进而将所述风速与功率的散点图转换为数字图像。
可选地,所述还原模块,具体用于
将滤波后的数字图像中灰度值不为0的位置与转换为数字图像之前的风速与功率的散点图进行对应,找到滤波后的数字图像中灰度值不为0的位置在转换为数字图像之前的风速与功率的散点图中相对应的位置,将所述相对应的位置的风速功率数据取出,基于所取出的风速功率数据,构建还原后的新的风速与功率的散点图。
第三方面,本发明实施例提供一种电子设备,包括:处理器、存储器、总线及存储在存储器上并可在处理器上运行的计算机程序;
其中,所述处理器,存储器通过所述总线完成相互间的通信;
所述处理器执行所述计算机程序时实现上述方法。
第四方面,本发明实施例提供一种非暂态计算机可读存储介质,所述存储介质上存储有计算机程序,该计算机程序被处理器执行时实现上述方法。
由上述技术方案可知,本发明实施例的风速功率异常数据剔除方法及装置,通过获取预设时间段内的历史风速功率数据,并基于所述历史风速功率数据构建风速与功率的散点图;利用风速与功率的散点图的频率分布特征,将所述风速与功率的散点图转换为数字图像;基于所述数字图像的空间特征,对所述数字图像进行滤波,剔除所述数字图像中的高频分量;将滤波后的数字图像还原为新的风速与功率的散点图;基于风速-功率的相关关系,对还原后的新的风速与功率的散点图中的数据拟合两条边界线,除去两条线边界线以外的数据,获得剔除异常数据之后的风速功率数据,由此,能够有效解决风速功率异常数据分布均匀和数据分叉环境下的数据难剔除的问题,克服了单一依赖概率的方式,充分利用风速与功率的分布特征,转换成数字图像进行处理,利用了空间分布特征,提高了工作效率,节省了人力。
附图说明
图1为本发明一实施例提供的一种风速功率异常数据剔除方法的流程示意图;
图2为本发明实施例提供的基于历史风速功率数据所构建的风速与功率的散点图的一种举例示意图;
图3为利用风速与功率的散点图的频率分布特征,将图2所示的风速与功率的散点图转换为数字图像的区间划分示意图;
图4为图3转换后得到的数字图像的示意图;
图5为对图4所示数字图像进行滤波后的数字图像的示意图;
图6为对图5所示滤波后的数字图像进行还原后的新的风速与功率的散点图的示意图;
图7为对图6所示还原后的新的风速与功率的散点图拟合两条边界线的示意图;
图8为除去图7中两条线边界线以外的数据,获得的最终结果的示意图;
图9为本发明一实施例提供的一种风速功率异常数据剔除装置的结构示意图;
图10为本发明实施例提供的一种电子设备的实体结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整的描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他的实施例,都属于本发明保护的范围。
图1示出了本发明一实施例提供的一种风速功率异常数据剔除方法的流程示意图,如图1所示,本实施例的风速功率异常数据剔除方法如下所述。
101、获取预设时间段内的历史风速功率数据,并基于所述历史风速功率数据构建风速与功率的散点图,可以参考图2。
其中,所述历史风速功率数据包括:风速和功率,当然也可以包括其他风速功率数据相关的数据,本实施例并不对其进行限制。
其中,所述预设时间段可以是几个月、一年或几年等,本实施例并不对其进行限制,可根据实际情况进行设置。
可以理解的是,本实施例对所构建的风速与功率的散点图的横纵坐标不进行限制,可以以风速为横坐标,以功率为纵坐标,或者,也可以以功率为横坐标,以风速为纵坐标。
102、利用风速与功率的散点图的频率分布特征,将所述风速与功率的散点图转换为数字图像。
具体地,可以通过根据风速与功率的散点图的频率分布特征,将所述散点图划分成多个不同的区间;统计每个区间数据的个数并映射到0~255的范围,将映射后的数作为数字图像的灰度值,进而将所述风速与功率的散点图转换为数字图像,可参考图3和图4。
103、基于所述数字图像的空间特征,对所述数字图像进行滤波,剔除所述数字图像中的高频分量,可参考图5。
在具体应用中,举例来说,本实施例可以基于所述数字图像的空间特征,对所述数字图像进行小波滤波,剔除所述数字图像中的高频分量。本实施例并不对其进行限制,也可以基于所述数字图像的空间特征,利用其他滤波方法对所述数字图像进行小波滤波,剔除所述数字图像中的高频分量。
可以理解的是,小波滤波的优点是在时域和频域都有良好的局部特性在时域中分辨率随频率的高低而相应的调节:低频粗疏、高频精细,它具有可以聚焦到被测对象任意细节上的特点。本实施例中的风速与功率的散点图中的异常数据表现为离群点,而这样的离群点在所述数字图像中可以分解成高频噪声,通过小波滤波去除这些点,留下低频分量,即可以得到所述风速与功率的散点图中数据分布比较密集的部分。
104、将滤波后的数字图像还原为新的风速与功率的散点图,可以参考图6。
具体地,所述步骤104可以将滤波后的数字图像中灰度值不为0的位置与转换为数字图像之前的风速与功率的散点图进行对应,找到滤波后的数字图像中灰度值不为0的位置在转换为数字图像之前的风速与功率的散点图中相对应的位置,将所述相对应的位置的风速功率数据取出,基于所取出的风速功率数据,构建还原后的新的风速与功率的散点图。
105、基于风速-功率的相关关系,对还原后的新的风速与功率的散点图中的数据拟合两条边界线(可参考图7),除去两条线边界线以外的数据,获得剔除异常数据之后的风速功率数据,可参考图8。
在具体应用中,本步骤可以基于风速-功率的相关关系,对还原后的新的风速与功率的散点图中的数据进行神经网络拟合两条边界线;或者,也可以基于风速-功率的相关关系,利用支持向量机,对还原后的新的风速与功率的散点图中的数据拟合两条边界线。本实施例并不对其进行限制,本实施例还可以基于风速-功率的相关关系,利用其他拟合方法对还原后的新的风速与功率的散点图中的数据进行神经网络拟合两条边界线。
本实施例的风速功率异常数据剔除方法,利用处理器实现,通过获取预设时间段内的历史风速功率数据,并基于所述历史风速功率数据构建风速与功率的散点图;利用风速与功率的散点图的频率分布特征,将所述风速与功率的散点图转换为数字图像;基于所述数字图像的空间特征,对所述数字图像进行滤波,剔除所述数字图像中的高频分量;将滤波后的数字图像还原为新的风速与功率的散点图;基于风速-功率的相关关系,对还原后的新的风速与功率的散点图中的数据拟合两条边界线,除去两条线边界线以外的数据,获得剔除异常数据之后的风速功率数据,由此,能够有效解决风速功率异常数据分布均匀和数据分叉环境下的数据难剔除的问题,克服了单一依赖概率的方式,充分利用风速与功率的分布特征,转换成数字图像进行处理,利用了空间分布特征,提高了工作效率,节省了人力。
图9示出了本发明一实施例提供的一种风速功率异常数据剔除装置的结构示意图,如图9所示,本实施例的风速功率异常数据剔除装置,包括:获取模块91、转换模块92、第一剔除模块93、还原模块94和第二剔除模块95;其中:
所述获取模块91,用于获取预设时间段内的历史风速功率数据,并基于所述历史风速功率数据构建风速与功率的散点图,可参考图2;
所述转换模块92,用于利用风速与功率的散点图的频率分布特征,将所述风速与功率的散点图转换为数字图像,可参考图4;
所述第一剔除模块93,用于基于所述数字图像的空间特征,对所述数字图像进行滤波,剔除所述数字图像中的高频分量,可参考图5;
所述还原模块94,用于将滤波后的数字图像还原为新的风速与功率的散点图,可参考图6;
所述第二剔除模块95,用于基于风速-功率的相关关系,对还原后的新的风速与功率的散点图中的数据拟合两条边界线(可参考图7),除去两条线边界线以外的数据,获得剔除异常数据之后的风速功率数据,可参考图8。
具体地,所述获取模块91获取预设时间段内的历史风速功率数据,并基于所述历史风速功率数据构建风速与功率的散点图;所述转换模块92利用风速与功率的散点图的频率分布特征,将所述风速与功率的散点图转换为数字图像;所述第一剔除模块93基于所述数字图像的空间特征,对所述数字图像进行滤波,剔除所述数字图像中的高频分量;所述还原模块94将滤波后的数字图像还原为新的风速与功率的散点图;所述第二剔除模块95基于风速-功率的相关关系,对还原后的新的风速与功率的散点图中的数据拟合两条边界线,除去两条线边界线以外的数据,获得剔除异常数据之后的风速功率数据。
其中,所述历史风速功率数据包括:风速和功率,当然也可以包括其他风速功率数据相关的数据,本实施例并不对其进行限制。
其中,所述预设时间段可以是几个月、一年或几年等,本实施例并不对其进行限制,可根据实际情况进行设置。
可以理解的是,本实施例对所构建的风速与功率的散点图的横纵坐标不进行限制,可以以风速为横坐标,以功率为纵坐标,或者,也可以以功率为横坐标,以风速为纵坐标。
在具体应用中,所述转换模块92可以具体用于
通过根据风速与功率的散点图的频率分布特征,将所述散点图划分成多个不同的区间;统计每个区间数据的个数并映射到0~255的范围,将映射后的数作为数字图像的灰度值,进而将所述风速与功率的散点图转换为数字图像,可参考图3和图4。
在具体应用中,举例来说,所述第一剔除模块93可以具体用于
基于所述数字图像的空间特征,对所述数字图像进行小波滤波,剔除所述数字图像中的高频分量。本实施例并不对其进行限制,所述第一剔除模块93也可以基于所述数字图像的空间特征,利用其他滤波方法对所述数字图像进行小波滤波,剔除所述数字图像中的高频分量。
可以理解的是,小波滤波的优点是在时域和频域都有良好的局部特性在时域中分辨率随频率的高低而相应的调节:低频粗疏、高频精细,它具有可以聚焦到被测对象任意细节上的特点。本实施例中的风速与功率的散点图中的异常数据表现为离群点,而这样的离群点在所述数字图像中可以分解成高频噪声,通过小波滤波去除这些点,留下低频分量,即可以得到所述风速与功率的散点图中数据分布比较密集的部分。
在具体应用中,所述还原模块94可以具体用于
将滤波后的数字图像中灰度值不为0的位置与转换为数字图像之前的风速与功率的散点图进行对应,找到滤波后的数字图像中灰度值不为0的位置在转换为数字图像之前的风速与功率的散点图中相对应的位置,将所述相对应的位置的风速功率数据取出,基于所取出的风速功率数据,构建还原后的新的风速与功率的散点图。
在具体应用中,所述第二剔除模块95可以具体用于
基于风速-功率的相关关系,对还原后的新的风速与功率的散点图中的数据进行神经网络拟合两条边界线;或者,所述第二剔除模块95也可以基于风速-功率的相关关系,利用支持向量机,对还原后的新的风速与功率的散点图中的数据拟合两条边界线。本实施例并不对其进行限制,所述第二剔除模块95还可以基于风速-功率的相关关系,利用其他拟合方法对还原后的新的风速与功率的散点图中的数据进行神经网络拟合两条边界线。
本实施例的风速功率异常数据剔除装置,通过获取模块获取预设时间段内的历史风速功率数据,并基于所述历史风速功率数据构建风速与功率的散点图;转换模块利用风速与功率的散点图的频率分布特征,将所述风速与功率的散点图转换为数字图像;第一剔除模块基于所述数字图像的空间特征,对所述数字图像进行滤波,剔除所述数字图像中的高频分量;还原模块将滤波后的数字图像还原为新的风速与功率的散点图;第二剔除模块基于风速-功率的相关关系,对还原后的新的风速与功率的散点图中的数据进行神经网络拟合两条边界线,除去两条线边界线以外的数据,获得剔除异常数据之后的风速功率数据,由此,能够有效解决风速功率异常数据分布均匀和数据分叉环境下的数据难剔除的问题,克服了单一依赖概率的方式,充分利用风速与功率的分布特征,转换成数字图像进行处理,利用了空间分布特征,提高了工作效率,节省了人力。
本实施例的风速功率异常数据剔除装置,可以用于执行前述方法实施例的技术方案,其实现原理和技术效果类似,此处不再赘述。
图3示出了本发明实施例提供的一种电子设备的实体结构示意图,如图3所示,该电子设备可以包括:处理器11、存储器12、总线13及存储在存储器12上并可在处理器11上运行的计算机程序;
其中,所述处理器11,存储器12通过所述总线13完成相互间的通信;
所述处理器11执行所述计算机程序时实现上述各方法实施例所提供的方法,例如包括:获取预设时间段内的历史风速功率数据,并基于所述历史风速功率数据构建风速与功率的散点图;利用风速与功率的散点图的频率分布特征,将所述风速与功率的散点图转换为数字图像;基于所述数字图像的空间特征,对所述数字图像进行滤波,剔除所述数字图像中的高频分量;将滤波后的数字图像还原为新的风速与功率的散点图;基于风速-功率的相关关系,对还原后的新的风速与功率的散点图中的数据拟合两条边界线,除去两条线边界线以外的数据,获得剔除异常数据之后的风速功率数据。
本发明实施例提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述各方法实施例所提供的方法,例如包括:获取预设时间段内的历史风速功率数据,并基于所述历史风速功率数据构建风速与功率的散点图;利用风速与功率的散点图的频率分布特征,将所述风速与功率的散点图转换为数字图像;基于所述数字图像的空间特征,对所述数字图像进行滤波,剔除所述数字图像中的高频分量;将滤波后的数字图像还原为新的风速与功率的散点图;基于风速-功率的相关关系,对还原后的新的风速与功率的散点图中的数据拟合两条边界线,除去两条线边界线以外的数据,获得剔除异常数据之后的风速功率数据。
本领域内的技术人员应明白,本申请的实施例可提供为方法、装置、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、装置、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置/系统。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。术语“上”、“下”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
本发明的说明书中,说明了大量具体细节。然而能够理解的是,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。类似地,应当理解,为了精简本发明公开并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释呈反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。本发明并不局限于任何单一的方面,也不局限于任何单一的实施例,也不局限于这些方面和/或实施例的任意组合和/或置换。而且,可以单独使用本发明的每个方面和/或实施例或者与一个或更多其他方面和/或其实施例结合使用。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围,其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (8)
1.一种风速功率异常数据剔除方法,其特征在于,包括:
获取预设时间段内的历史风速功率数据,并基于所述历史风速功率数据构建风速与功率的散点图;
利用风速与功率的散点图的频率分布特征,将所述风速与功率的散点图转换为数字图像,包括:根据风速与功率的散点图的频率分布特征,将所述散点图划分成多个不同的区间;统计每个区间数据的个数并映射到0~255的范围,将映射后的数作为数字图像的灰度值,进而将所述风速与功率的散点图转换为数字图像;
基于所述数字图像的空间特征,对所述数字图像进行滤波,剔除所述数字图像中的高频分量;
将滤波后的数字图像还原为新的风速与功率的散点图;
基于风速-功率的相关关系,对还原后的新的风速与功率的散点图中的数据拟合两条边界线,除去两条线边界线以外的数据,获得剔除异常数据之后的风速功率数据。
2.根据权利要求1所述的方法,其特征在于,所述将滤波后的数字图像还原为新的风速与功率的散点图,包括:
将滤波后的数字图像中灰度值不为0的位置与转换为数字图像之前的风速与功率的散点图进行对应,找到滤波后的数字图像中灰度值不为0的位置在转换为数字图像之前的风速与功率的散点图中相对应的位置,将所述相对应的位置的风速功率数据取出,基于所取出的风速功率数据,构建还原后的新的风速与功率的散点图。
3.根据权利要求1所述的方法,其特征在于,所述基于所述数字图像的空间特征,对所述数字图像进行滤波,剔除所述数字图像中的高频分量,包括:
基于所述数字图像的空间特征,对所述数字图像进行小波滤波,剔除所述数字图像中的高频分量。
4.根据权利要求1所述的方法,其特征在于,所述基于风速-功率的相关关系,对还原后的新的风速与功率的散点图中的数据拟合两条边界线,包括:
基于风速-功率的相关关系,对还原后的新的风速与功率的散点图中的数据进行神经网络拟合两条边界线;
或者,
基于风速-功率的相关关系,利用支持向量机,对还原后的新的风速与功率的散点图中的数据拟合两条边界线。
5.一种风速功率异常数据剔除装置,其特征在于,包括:
获取模块,用于获取预设时间段内的历史风速功率数据,并基于所述历史风速功率数据构建风速与功率的散点图;
转换模块,用于利用风速与功率的散点图的频率分布特征,将所述风速与功率的散点图转换为数字图像,包括:根据风速与功率的散点图的频率分布特征,将所述散点图划分成多个不同的区间;统计每个区间数据的个数并映射到0~255的范围,将映射后的数作为数字图像的灰度值,进而将所述风速与功率的散点图转换为数字图像;
第一剔除模块,用于基于所述数字图像的空间特征,对所述数字图像进行滤波,剔除所述数字图像中的高频分量;
还原模块,用于将滤波后的数字图像还原为新的风速与功率的散点图;
第二剔除模块,用于基于风速-功率的相关关系,对还原后的新的风速与功率的散点图中的数据拟合两条边界线,除去两条线边界线以外的数据,获得剔除异常数据之后的风速功率数据。
6.根据权利要求5所述的装置,其特征在于,所述还原模块,具体用于
将滤波后的数字图像中灰度值不为0的位置与转换为数字图像之前的风速与功率的散点图进行对应,找到滤波后的数字图像中灰度值不为0的位置在转换为数字图像之前的风速与功率的散点图中相对应的位置,将所述相对应的位置的风速功率数据取出,基于所取出的风速功率数据,构建还原后的新的风速与功率的散点图。
7.一种电子设备,其特征在于,包括:处理器、存储器、总线及存储在存储器上并可在处理器上运行的计算机程序;
其中,所述处理器,存储器通过所述总线完成相互间的通信;
所述处理器执行所述计算机程序时实现如权利要求1-4中任一项所述的方法。
8.一种非暂态计算机可读存储介质,其特征在于,所述存储介质上存储有计算机程序,该计算机程序被处理器执行时实现如权利要求1-4中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710801235.4A CN107527057B (zh) | 2017-09-07 | 2017-09-07 | 一种风速功率异常数据剔除方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710801235.4A CN107527057B (zh) | 2017-09-07 | 2017-09-07 | 一种风速功率异常数据剔除方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107527057A CN107527057A (zh) | 2017-12-29 |
CN107527057B true CN107527057B (zh) | 2020-03-31 |
Family
ID=60683738
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710801235.4A Active CN107527057B (zh) | 2017-09-07 | 2017-09-07 | 一种风速功率异常数据剔除方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107527057B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111145109B (zh) * | 2019-12-09 | 2023-03-31 | 深圳先进技术研究院 | 基于图像的风力发电功率曲线异常数据识别与清洗方法 |
CN111191192B (zh) * | 2019-12-27 | 2023-09-19 | 潍柴动力股份有限公司 | 数据的去噪方法、装置及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102588210A (zh) * | 2011-12-21 | 2012-07-18 | 中能电力科技开发有限公司 | 一种用于功率曲线拟合数据预处理的滤波方法 |
CN105184391A (zh) * | 2015-08-19 | 2015-12-23 | 国网山东省电力公司电力科学研究院 | 基于小波分解和支持向量机的风电场风速与功率预测方法 |
CN105930933A (zh) * | 2016-04-26 | 2016-09-07 | 华北电力科学研究院有限责任公司 | 风电场理论功率曲线确定方法及装置 |
CN107103175A (zh) * | 2017-02-03 | 2017-08-29 | 华北电力科学研究院有限责任公司 | 一种风力发电机组异常数据识别方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104700389B (zh) * | 2013-12-09 | 2019-08-13 | 通用电气公司 | 双能ct扫描图像中的对象识别方法 |
-
2017
- 2017-09-07 CN CN201710801235.4A patent/CN107527057B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102588210A (zh) * | 2011-12-21 | 2012-07-18 | 中能电力科技开发有限公司 | 一种用于功率曲线拟合数据预处理的滤波方法 |
CN105184391A (zh) * | 2015-08-19 | 2015-12-23 | 国网山东省电力公司电力科学研究院 | 基于小波分解和支持向量机的风电场风速与功率预测方法 |
CN105930933A (zh) * | 2016-04-26 | 2016-09-07 | 华北电力科学研究院有限责任公司 | 风电场理论功率曲线确定方法及装置 |
CN107103175A (zh) * | 2017-02-03 | 2017-08-29 | 华北电力科学研究院有限责任公司 | 一种风力发电机组异常数据识别方法及装置 |
Non-Patent Citations (3)
Title |
---|
Application of Change-Point Analysis to Abnormal Wind Power Data Detection;Man Xu等;《2014 IEEE PES General Meeting | Conference & Exposition》;20141030;第1-5页 * |
风机异常状态监测与关键参数预测方法研究;赵文爽;《中国优秀硕士学位论文全文数据库 工程科技II辑》;20151231;第C042-32页 * |
风电异常测量数据智能识别方法研究;范晓泉 等;《仪表技术》;20170115(第1期);第10-14页 * |
Also Published As
Publication number | Publication date |
---|---|
CN107527057A (zh) | 2017-12-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103576060B (zh) | 基于小波自适应阈值的局部放电信号去噪方法 | |
WO2021017471A1 (zh) | 一种基于图像处理的点云滤波方法、装置和存储介质 | |
CN107527057B (zh) | 一种风速功率异常数据剔除方法及装置 | |
KR20170058277A (ko) | 잡음 있는 이미지들을 업스케일링하기 위한 방법, 및 잡음 있는 이미지들을 업스케일링하기 위한 장치 | |
Norman et al. | Real-time power-quality monitoring with hybrid sinusoidal and lifting wavelet compression algorithm | |
CN107392975B (zh) | 图像自适应多尺度分块压缩感知方法、电子设备 | |
CN116703183B (zh) | 一种新型配电网系统用电负荷评估方法 | |
CN106373199B (zh) | 一种倾斜摄影建筑物模型快速提取方法 | |
CN104680488A (zh) | 一种基于中值滤波的dsm进行星载sar影像正射纠正的方法 | |
CN113484667A (zh) | 一种应用于配网终端的柔性直流配电网故障定位方案 | |
CN104103037B (zh) | 一种图像增强处理方法和装置 | |
CN113949069A (zh) | 确定高比例新能源电力系统暂态电压稳定性的方法及系统 | |
CN112101089B (zh) | 信号降噪方法、装置、电子设备及存储介质 | |
Chierchia et al. | Epigraphical splitting for solving constrained convex formulations of inverse problems with proximal tools | |
CN108090270A (zh) | 一种基于形态学滤波和盲源分离的暂态振荡参数识别方法 | |
RU2683999C1 (ru) | Способ цифровой коррекции эффекта насыщения магнитопровода трансформатора тока | |
CN112241813B (zh) | 基于小波分解的降雨预测方法及系统 | |
CN105891889B (zh) | 一种重力异常边界增强的方法及装置 | |
CN108983321A (zh) | 一种基于同步压缩小波变换的提取太阳黑子数和地磁Ap指数的周期分量的方法 | |
CN115015636A (zh) | 交直流混合微电网的谐振检测方法及装置 | |
Lotfi | An adaptive fuzzy filter for Gaussian noise reduction using image histogram estimation | |
CN106788449A (zh) | 一种实时电能质量数据参数化压缩方法 | |
Wang et al. | New region-based image fusion scheme using the discrete wavelet frame transform | |
CN105099452B (zh) | 一种用于将电压信号转换为频率信号的电路 | |
CN113593592B (zh) | 基于多域扩张的音频增强方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: Room 227, floor 2, building N6, No.27, Jiancai Chengzhong Road, Xisanqi, Haidian District, Beijing 100096 Applicant after: New energy Polytron Technologies Inc Address before: 100101 Beijing city Chaoyang District Branch Hui Street No. 1, Olin Jiatai building block A room 801 Applicant before: Beijing Guo Nengxin system control technique company limited |
|
CB03 | Change of inventor or designer information | ||
CB03 | Change of inventor or designer information |
Inventor after: Xiang Jie Inventor after: Lv Jianchi Inventor before: Xiang Jie |
|
GR01 | Patent grant | ||
GR01 | Patent grant |