CN109146709B - 风功测点鉴别方法及装置 - Google Patents
风功测点鉴别方法及装置 Download PDFInfo
- Publication number
- CN109146709B CN109146709B CN201811062305.XA CN201811062305A CN109146709B CN 109146709 B CN109146709 B CN 109146709B CN 201811062305 A CN201811062305 A CN 201811062305A CN 109146709 B CN109146709 B CN 109146709B
- Authority
- CN
- China
- Prior art keywords
- wind power
- measuring point
- fan
- power measuring
- mutual information
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000005259 measurement Methods 0.000 claims abstract description 30
- 238000013461 design Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Aerodynamic Tests, Hydrodynamic Tests, Wind Tunnels, And Water Tanks (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明实施例提供的风功测点鉴别方法及装置中,初始化当前读取时刻;获取所述当前读取时刻下,多个风机中任意两个风机的互信息;判断所述当前读取时刻是否超过读取时刻预设值;若是,初始化第m个风功测点;判断所述第m个风功测点的互信息是否满足第一预设条件;若是,判定所述第m个风功测点为虚假数据。先获取任意两个风机的互信息,然后对风功测点进行判断,即根据获取到的互信息来计算该风功测点的互信息能否满足第一预设条件,若能满足,则表明该风功测点为虚假数据。本申请实施例提供的风功测点鉴别方法可以较好的识别风功测点中的虚假数据,从而减小测量误差。
Description
技术领域
本申请涉及电力测量领域,具体而言,涉及一种风功测点鉴别方法及装置。
背景技术
目前对于“母线不平衡度”的文献和技术,主要集中在论述和解决66kV及以下配电系统三相负荷不平衡的问题,对于含有风电的中压配电系统母线功率不平衡的问题鲜有涉及。风功测量误差引起的母线量测有功不平衡类似于系统的状态估计问题。
尽管风功测量误差造成的母线有功不平衡问题与传统的系统状态估计有相似之处,但传统的状态估计算法主要缺点在于,普遍认为状态量的观测误差服从某一特定的分布,如正态分布,对随机变量相关性的模型作了过多的简化。上述缺点使得传统的系统状态估计方法应对风能间歇性、波动性以及时空相关性等复杂因素时难以有效开展。
发明内容
有鉴于此,本申请实施例提供了一种风功测点鉴别方法及装置。
第一方面,本申请实施例提供了一种风功测点鉴别方法,所述方法包括:初始化当前读取时刻;获取所述当前读取时刻下,多个风机中任意两个风机的互信息;判断所述当前读取时刻是否超过读取时刻预设值;若是,初始化第m个风功测点;判断所述第m个风功测点的互信息是否满足第一预设条件;若是,判定所述第m个风功测点为虚假数据。
在一个可能的设计中,在判断所述当前读取时刻是否超过读取时刻预设值之后,所述方法还包括:若所述当前读取时刻未超过读取时刻预设值,获取所述当前读取时刻的下一读取时刻,并将其作为新的当前读取时刻;执行“获取所述当前读取时刻下,多个风机中任意两个风机的互信息”步骤。
在一个可能的设计中,在所述判定所述第m个风功测点为虚假数据之后,所述方法还包括:判断第m个风功测点是否为最后一个风功测点;若否,获取该风功测点的下一个风功测点,并将其作为新的第m个风功测点;执行“判断所述第m个风功测点的互信息是否满足第一预设条件”步骤。
在一个可能的设计中,所述获取所述当前读取时刻下,多个风机中任意两个风机的互信息,包括:获取所述当前读取时刻下,第一风机的概率分布、第二风机的概率分布以及第一风机与第二风机的联合概率分布;根据所述第一风机的概率分布、第二风机的概率分布以及所述联合概率分布,获取所述第一风机以及第二风机的互信息,其中,所述第一风机为多个风机的任意风机,所述第二风机为多个风机中除第一风机以外的任意风机。
第二方面,本申请实施例提供了一种所述装置包括:所述装置包括:读取时刻初始化模块,用于初始化当前读取时刻;互信息获取模块,用于获取所述当前读取时刻下,多个风机中任意两个风机的互信息;读取时刻判断模块,用于判断所述当前读取时刻是否超过读取时刻预设值;风功测点初始化模块,用于初始化第m个风功测点;条件满足模块,用于判断所述第m个风功测点的互信息是否满足第一预设条件;虚假数据判定模块,用于判定所述第m个风功测点为虚假数据。
在一个可能的设计中,所述装置还包括:新读取时刻模块,用于若所述当前读取时刻未超过读取时刻预设值,获取所述当前读取时刻的下一读取时刻,并将其作为新的当前读取时刻;第一执行模块,用于执行“获取所述当前读取时刻下,多个风机中任意两个风机的互信息”步骤。
在一个可能的设计中,所述装置还包括:风功测点判断模块,用于判断第m个风功测点是否为最后一个风功测点;新风功测点模块,用于获取该风功测点的下一个风功测点,并将其作为新的第m个风功测点;第二执行模块,用于执行“判断所述第m个风功测点的互信息是否满足第一预设条件”步骤。
在一个可能的设计中,所述互信息获取模块包括:概率获得子模块,用于获取所述当前读取时刻下,第一风机的概率分布、第二风机的概率分布以及第一风机与第二风机的联合概率分布;互信息获取子模块,用于根据所述第一风机的概率分布、第二风机的概率分布以及所述联合概率分布,获取所述第一风机以及第二风机的互信息。
本发明实施例提供的风功测点鉴别方法及装置中,初始化当前读取时刻;获取所述当前读取时刻下,多个风机中任意两个风机的互信息;判断所述当前读取时刻是否超过读取时刻预设值;若是,初始化第m个风功测点;判断所述第m个风功测点的互信息是否满足第一预设条件;若是,判定所述第m个风功测点为虚假数据。先获取任意两个风机的互信息,然后对风功测点进行判断,即根据获取到的互信息来计算该风功测点的互信息能否满足第一预设条件,若能满足,则表明该风功测点为虚假数据。本申请实施例提供的风功测点鉴别方法可以较好的识别风功测点中的虚假数据,从而减小测量误差。
为使本申请实施例所要实现的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚的说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请第一实施例提供的风功测点鉴别方法的流程图;
图2是本申请第一实施例提供的风功测点鉴别方法的一种具体实施方式的流程图;
图3是本申请第一实施例提供的风功测点鉴别方法的另一种具体实施方式的流程图;
图4是本申请第二实施例提供的风功测点鉴别装置的结构框图。
具体实施方式
第一实施例
请参见图1,图1示出了本申请第一实施例提供的风功测点鉴别方法的流程示意图,具体包括如下步骤:
步骤S110,初始化当前读取时刻。
当前读取时刻为当下的读取时刻,可以用t表示。类似地,可以得到汇集于同一个母线任意N个风功量测的成对互信息,令时刻t的取值为自然数,用于代表某一个母线不平衡度大于零的时刻,而t+1表示紧跟着t的下一个测量读取时刻。初始化当前读取时刻即令t=1。
步骤S120,获取所述当前读取时刻下,多个风机中任意两个风机的互信息。
步骤S120具体包括如下步骤:
获取所述当前读取时刻下,第一风机的概率分布、第二风机的概率分布以及第一风机与第二风机的联合概率分布。
具体地,可以对任意第o和第n个风机建立概率密度以及联合概率密度的基础样本统计表,o≠n∈{1,..,N},计算任意两个风机之间的互信息It(po,pn)。
具体地,下面以第一风机p1以及第二风机p2为例进行说明:
上表表示的数据是通过系统采样获得的样本数据。第一风机p1以及第二风机p2的互信息可以根据如下公式获得:
由上式可知,为了求取I(p1,p2),需要获取第一风机与第二风机的联合概率分布Pro(p1,p2),第一风机的概率分布Pro(p1)、第二风机的概率分布Pro(p2)。D表示自定义的总连续天数,D’表示获得的采样数据为不相同的天数。
计算第一风机的概率分布以及第二风机的概率分布:
根据公式来计算Pro(p1=P1,i)。其中,Count(p1=P1,1,D)表示P1,1出现的次数,即上表中P1,1所在一列的数据之和。D表示总样本数。根据公式Pro(p1)={Pro(p1=P1,i)}i=1,…,D'来计算第一风机的概率分布Pro(p1)。
同理,计算第二风机的概率分布Pro(p2)。
计算第一风机与第二风机的联合概率分布:
根据公式来计算Pro(p1=Pi,1,p2=Pi,2),其中,表示{p1,i,p2,i}i=1,...,D中,组合样本{p1,i,p2,i}成对出现的次数。例如,对于P1,1和P2,1,组合出现的次数为C1-2,1。
再根据公式Pro(p1,p2)={Pro(p1=Pi,1,p2=Pi,2)}i=1,...,D计算第一风机与第二风机的联合概率分布Pro(p1,p2)。
根据所述第一风机的概率分布、第二风机的概率分布以及所述联合概率分布,获取所述第一风机以及第二风机的互信息,其中,所述第一风机为多个风机的任意风机,所述第二风机为多个风机中除第一风机以外的任意风机。
应当理解,上述的第一风机以及第二风机只是举例,可以根据上述方法计算任意两个风机之间的互信息It(po,pn)。
步骤S130,判断所述当前读取时刻是否超过读取时刻预设值,若是,执行步骤S140。
具体地,可以判断是否t>2,若是的话执行步骤S140。
步骤S140,初始化第m个风功测点。
令m=1,即先从第一个风功测点来进行测量。
步骤S150,判断所述第m个风功测点的互信息是否满足第一预设条件,若是,执行步骤S160。
具体地,步骤S150包括如下步骤:
步骤S160,判定所述第m个风功测点为虚假数据。
由于第m个风功测点的互信息满足了第一预设条件,故可以将第m个风功测点判定为虚假数据。
对于处于同一个风场的风机,受布置位置和距离的相互影响,作用在各个风机叶片的风速,幅值上存在差异,但不同风机的作用风速幅值变化主要由共同的自然风力所决定,应具有相同的变化趋势。此时,若所有的风功率量测点读数准确,两两风机的功率测量值应始终具有常数相关性;反之,当某一个风功量测值存在较大误差时,该风功与其他风功量测值的关联关系将会发生变化。因此,若成立意味着风功量测值存在较大误差。
请参见图2,图2示出了本申请第一实施例提供的风功测点鉴别方法的一种具体实施方式,具体包括如下步骤:
步骤S110,初始化当前读取时刻。
步骤S120,获取所述当前读取时刻下,多个风机中任意两个风机的互信息。
步骤S130,判断所述当前读取时刻是否超过读取时刻预设值,若是,执行步骤S140;若否,执行步骤S131。
步骤S131,获取所述当前读取时刻的下一读取时刻,并将其作为新的当前读取时刻,并执行步骤S120。
若t>2未成立,令t=t+1,并且将新获得的t带入步骤S120。
步骤S140,初始化第m个风功测点。
步骤S150,判断所述第m个风功测点的互信息是否满足第一预设条件,若是,执行步骤S160。
步骤S160,判定所述第m个风功测点为虚假数据。
图2示出的步骤S110至步骤S160与图1示出的步骤S110至步骤S160相同,在此便不做赘述。
请参见图3,图3示出了本申请第一实施例提供的风功测点鉴别方法的另一种具体实施方式,具体包括如下步骤:
步骤S110,初始化当前读取时刻。
步骤S120,获取所述当前读取时刻下,多个风机中任意两个风机的互信息。
步骤S130,判断所述当前读取时刻是否超过读取时刻预设值,若是,执行步骤S140;若否,执行步骤S131。
步骤S131,获取所述当前读取时刻的下一读取时刻,并将其作为新的当前读取时刻,并执行步骤S120。
步骤S140,初始化第m个风功测点。
步骤S150,判断所述第m个风功测点的互信息是否满足第一预设条件,若是,执行步骤S160。
步骤S160,判定所述第m个风功测点为虚假数据。
图3示出的步骤S110至步骤S160与图1示出的步骤S110至步骤S160相同,在此便不做赘述。
步骤S170,判断第m个风功测点是否为最后一个风功测点,若否,执行步骤S180。
具体判断m是否小于N,其中,N为风功测点的总数。
步骤S180,获取该风功测点的下一个风功测点,并将其作为新的第m个风功测点,并执行步骤S150。
若否的话,令m=m+1获取该风功测点的下一个风功测点,作为新的第m个风功测点。并且将新的m带入步骤S150。
本申请第一实施例先获取任意两个风机的互信息,然后对风功测点进行判断,即根据获取到的互信息来计算该风功测点的互信息能否满足第一预设条件,若能满足,则表明该风功测点为虚假数据。本申请实施例提供的风功测点鉴别方法可以较好的识别风功测点中的虚假数据,从而减小测量误差。
第二实施例
本申请第二实施例提供了一种风功测点鉴别装置,请参见图4,该装置300包括:
读取时刻初始化模块310,用于初始化当前读取时刻。
互信息获取模块320,用于获取所述当前读取时刻下,多个风机中任意两个风机的互信息。
所述互信息获取模块320包括:概率获得子模块,用于获取所述当前读取时刻下,第一风机的概率分布、第二风机的概率分布以及第一风机与第二风机的联合概率分布;互信息获取子模块,用于根据所述第一风机的概率分布、第二风机的概率分布以及所述联合概率分布,获取所述第一风机以及第二风机的互信息。
读取时刻判断模块330,用于判断所述当前读取时刻是否超过读取时刻预设值。
风功测点初始化模块340,用于初始化第m个风功测点。
条件满足模块350,用于判断所述第m个风功测点的互信息是否满足第一预设条件。
虚假数据判定模块360,用于判定所述第m个风功测点为虚假数据。
所述装置还包括:新读取时刻模块,用于若所述当前读取时刻未超过读取时刻预设值,获取所述当前读取时刻的下一读取时刻,并将其作为新的当前读取时刻。第一执行模块,用于执行“获取所述当前读取时刻下,多个风机中任意两个风机的互信息”步骤。
风功测点判断模块,用于判断第m个风功测点是否为最后一个风功测点。
新风功测点模块,用于获取该风功测点的下一个风功测点,并将其作为新的第m个风功测点。
第二执行模块,用于执行“判断所述第m个风功测点的互信息是否满足第一预设条件”步骤。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的装置的具体工作过程,可以参考前述方法中的对应过程,在此不再过多赘述。
本发明实施例提供的风功测点鉴别方法及装置中,初始化当前读取时刻;获取所述当前读取时刻下,多个风机中任意两个风机的互信息;判断所述当前读取时刻是否超过读取时刻预设值;若是,初始化第m个风功测点;判断所述第m个风功测点的互信息是否满足第一预设条件;若是,判定所述第m个风功测点为虚假数据。先获取任意两个风机的互信息,然后对风功测点进行判断,即根据获取到的互信息来计算该风功测点的互信息能否满足第一预设条件,若能满足,则表明该风功测点为虚假数据。本申请实施例提供的风功测点鉴别方法可以较好的识别风功测点中的虚假数据,从而减小测量误差。
需要说明的是,本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。对于装置类实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。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。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应所述以权利要求的保护范围为准。
Claims (8)
1.一种风功测点鉴别方法,其特征在于,所述方法包括:
初始化当前读取时刻;
获取所述当前读取时刻下,多个风机中任意两个风机的互信息,其中,任意两个风机的互信息由所述两个风机的每个风机的概率分布以及所述两个风机的联合概率分布计算获得,所述每个风机的概率分布以及所述两个风机的联合概率分布由风机的功率测量值计算获得;
判断所述当前读取时刻是否超过读取时刻预设值;
若是,初始化第m个风功测点;
判断所述第m个风功测点的互信息是否满足第一预设条件,其中,包括:判断是否成立;若是,则判定所述第m个风功测点的互信息满足第一预设条件,其中,pm为第m个风功测点的功率,pi为第i个风功测点的功率,N为风功量测的成对互信息的数量,It(pm,pi)为pm与pi的t时刻的互信息,It-2(pm,pi)为pm与pi的t-2时刻的互信息,It-1(pm,pi)为pm与pi的t-1时刻的互信息;
若是,判定所述第m个风功测点为虚假数据。
2.根据权利要求1所述的方法,其特征在于,在判断所述当前读取时刻是否超过读取时刻预设值之后,所述方法还包括:
若所述当前读取时刻未超过读取时刻预设值,获取所述当前读取时刻的下一读取时刻,并将其作为新的当前读取时刻;
执行“获取所述当前读取时刻下,多个风机中任意两个风机的互信息”步骤。
3.根据权利要求2所述的方法,其特征在于,在所述判定所述第m个风功测点为虚假数据之后,所述方法还包括:
判断第m个风功测点是否为最后一个风功测点;
若否,获取该风功测点的下一个风功测点,并将其作为新的第m个风功测点;
执行“判断所述第m个风功测点的互信息是否满足第一预设条件”步骤。
4.根据权利要求1所述的方法,其特征在于,所述获取所述当前读取时刻下,多个风机中任意两个风机的互信息,包括:
获取所述当前读取时刻下,第一风机的概率分布、第二风机的概率分布以及第一风机与第二风机的联合概率分布;
根据所述第一风机的概率分布、第二风机的概率分布以及所述联合概率分布,获取所述第一风机以及第二风机的互信息,其中,所述第一风机为多个风机的任意风机,所述第二风机为多个风机中除第一风机以外的任意风机,所述第一风机的概率分布、第二风机的概率分布以及所述联合概率分布由风机的功率测量值计算获得。
5.一种风功测点鉴别装置,其特征在于,所述装置包括:
读取时刻初始化模块,用于初始化当前读取时刻;
互信息获取模块,用于获取所述当前读取时刻下,多个风机中任意两个风机的互信息,其中,任意两个风机的互信息由所述两个风机的每个风机的概率分布以及所述两个风机的联合概率分布计算获得,所述每个风机的概率分布以及所述两个风机的联合概率分布由风机的功率测量值计算获得;
读取时刻判断模块,用于判断所述当前读取时刻是否超过读取时刻预设值;
风功测点初始化模块,用于初始化第m个风功测点;
条件满足模块,用于判断所述第m个风功测点的互信息是否满足第一预设条件,其中,包括:判断是否成立;若是,则判定所述第m个风功测点的互信息满足第一预设条件,其中,pm为第m个风功测点的功率,pi为第i个风功测点的功率,N为风功量测的成对互信息的数量,It(pm,pi)为pm与pi的t时刻的互信息,It-2(pm,pi)为pm与pi的t-2时刻的互信息,It-1(pm,pi)为pm与pi的t-1时刻的互信息;
虚假数据判定模块,用于判定所述第m个风功测点为虚假数据。
6.根据权利要求5所述的装置,其特征在于,所述装置还包括:
新读取时刻模块,用于若所述当前读取时刻未超过读取时刻预设值,获取所述当前读取时刻的下一读取时刻,并将其作为新的当前读取时刻;
第一执行模块,用于执行“获取所述当前读取时刻下,多个风机中任意两个风机的互信息”步骤。
7.根据权利要求6所述的装置,其特征在于,所述装置还包括:
风功测点判断模块,用于判断第m个风功测点是否为最后一个风功测点;
新风功测点模块,用于获取该风功测点的下一个风功测点,并将其作为新的第m个风功测点;
第二执行模块,用于执行“判断所述第m个风功测点的互信息是否满足第一预设条件”步骤。
8.根据权利要求5所述的装置,其特征在于,所述互信息获取模块包括:
概率获得子模块,用于获取所述当前读取时刻下,第一风机的概率分布、第二风机的概率分布以及第一风机与第二风机的联合概率分布;
互信息获取子模块,用于根据所述第一风机的概率分布、第二风机的概率分布以及所述联合概率分布,获取所述第一风机以及第二风机的互信息,其中,所述第一风机的概率分布、第二风机的概率分布以及所述联合概率分布由风机的功率测量值计算获得。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811062305.XA CN109146709B (zh) | 2018-09-12 | 2018-09-12 | 风功测点鉴别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811062305.XA CN109146709B (zh) | 2018-09-12 | 2018-09-12 | 风功测点鉴别方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109146709A CN109146709A (zh) | 2019-01-04 |
CN109146709B true CN109146709B (zh) | 2020-10-09 |
Family
ID=64824972
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811062305.XA Expired - Fee Related CN109146709B (zh) | 2018-09-12 | 2018-09-12 | 风功测点鉴别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109146709B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009138523A (ja) * | 2007-12-03 | 2009-06-25 | Mitsubishi Electric Corp | 風力発電出力予測方法 |
CN103208798A (zh) * | 2013-03-26 | 2013-07-17 | 河海大学 | 一种含风电场电力系统概率潮流的计算方法 |
CN103235984A (zh) * | 2013-04-27 | 2013-08-07 | 国家电网公司 | 风电场出力的纵向时刻概率分布计算方法 |
CN103440428A (zh) * | 2013-09-12 | 2013-12-11 | 重庆大学 | 风电功率组合预测模型的自适应动态权重确定方法 |
CN105069520A (zh) * | 2015-07-20 | 2015-11-18 | 河南行知专利服务有限公司 | 一种风力发电功率预测系统 |
CN105656084A (zh) * | 2016-03-22 | 2016-06-08 | 江苏省电力试验研究院有限公司 | 一种计及新能源发电预测误差的改进随机潮流算法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9577421B2 (en) * | 2015-06-18 | 2017-02-21 | General Electric Company | System and method for isolating ground faults in a wind turbine |
CN106251238B (zh) * | 2016-07-27 | 2020-06-09 | 华北电力大学(保定) | 风电场建模序列离散化步长的选取及模型误差分析方法 |
CN106684905B (zh) * | 2016-11-21 | 2019-01-18 | 国网四川省电力公司经济技术研究院 | 一种考虑风电预测不确定性的风电场动态等值方法 |
CN107885959B (zh) * | 2017-12-06 | 2020-09-18 | 华北电力大学 | 一种基于置信等效功率曲线带的风电建模及性能评估方法 |
-
2018
- 2018-09-12 CN CN201811062305.XA patent/CN109146709B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009138523A (ja) * | 2007-12-03 | 2009-06-25 | Mitsubishi Electric Corp | 風力発電出力予測方法 |
CN103208798A (zh) * | 2013-03-26 | 2013-07-17 | 河海大学 | 一种含风电场电力系统概率潮流的计算方法 |
CN103235984A (zh) * | 2013-04-27 | 2013-08-07 | 国家电网公司 | 风电场出力的纵向时刻概率分布计算方法 |
CN103440428A (zh) * | 2013-09-12 | 2013-12-11 | 重庆大学 | 风电功率组合预测模型的自适应动态权重确定方法 |
CN105069520A (zh) * | 2015-07-20 | 2015-11-18 | 河南行知专利服务有限公司 | 一种风力发电功率预测系统 |
CN105656084A (zh) * | 2016-03-22 | 2016-06-08 | 江苏省电力试验研究院有限公司 | 一种计及新能源发电预测误差的改进随机潮流算法 |
Also Published As
Publication number | Publication date |
---|---|
CN109146709A (zh) | 2019-01-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107203467A (zh) | 一种分布式环境下监督学习算法的基准测试方法和装置 | |
CN110288003B (zh) | 数据变化识别方法及设备 | |
CN112395179B (zh) | 一种模型训练方法、磁盘预测方法、装置及电子设备 | |
CN109656928B (zh) | 表间关系获得方法及装置 | |
CN113468034A (zh) | 数据质量评估方法、装置、存储介质和电子设备 | |
JP2019105927A (ja) | 故障確率算出装置、故障確率算出方法及びプログラム | |
Li et al. | Multiple changepoint detection using metadata | |
JP2024111329A (ja) | 要因分析装置及び要因分析方法 | |
CN115794916A (zh) | 多源数据融合的数据处理方法、装置、设备和存储介质 | |
CN109146709B (zh) | 风功测点鉴别方法及装置 | |
CN111506878B (zh) | 基于暂降系统指标随机样本估计的节点数量选择装置及方法 | |
Urooj et al. | Analysis of the performance of test statistics for detection of outliers (additive, innovative, transient, and level shift) in AR (1) processes | |
CN114511409B (zh) | 用户样本处理方法、装置及电子设备 | |
CN106909497B (zh) | 测试方法和装置 | |
CN113052256B (zh) | 一种风向聚类方法、装置及电子设备 | |
CN112101468B (zh) | 一种在序列组合中判定异常序列的方法 | |
CN111695829B (zh) | 一种指标波动周期计算方法、装置、存储介质及电子设备 | |
JP2011258651A (ja) | 試験装置、試験方法、そのコンピュータ・プログラムおよびそのプログラムを記録した記録媒体 | |
CN110264333B (zh) | 一种风险规则确定方法和装置 | |
CN109242354B (zh) | 加工效果评价方法和加工效果评价装置 | |
CN114443493A (zh) | 一种测试案例生成方法、装置、电子设备和存储介质 | |
CN113238939A (zh) | 测试用例的生成方法、装置、设备、存储介质及程序 | |
JP2012014684A (ja) | 名寄せ支援処理装置、方法及びプログラム | |
CN111797282A (zh) | 产品标签权重确定方法、装置、电子设备及可读存储介质 | |
CN107239660B (zh) | 基于混合整数线性规划的粗糙集模型建立方法和装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20201009 Termination date: 20210912 |
|
CF01 | Termination of patent right due to non-payment of annual fee |