CN110020000A - 判定异常风速数据的方法和装置 - Google Patents
判定异常风速数据的方法和装置 Download PDFInfo
- Publication number
- CN110020000A CN110020000A CN201711403139.0A CN201711403139A CN110020000A CN 110020000 A CN110020000 A CN 110020000A CN 201711403139 A CN201711403139 A CN 201711403139A CN 110020000 A CN110020000 A CN 110020000A
- Authority
- CN
- China
- Prior art keywords
- speed data
- air speed
- wind speed
- difference
- measured
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Air Conditioning Control Device (AREA)
- Wind Motors (AREA)
Abstract
提供了一种判定异常风速数据的方法和装置，所述方法包括：按预定时间间隔获得预定时间段内的历史风速数据，并计算相邻时间点的历史风速数据之间的第一差分值；分别对历史风速数据和第一差分值进行分段，并统计历史风速数据在各个风速段内的各个差分段内分布的数量；按所述预定时间间隔获得预定数量的待测风速数据，并计算相邻时间点的待测风速数据之间的第二差分值；计算针对所有待测风速数据计算出的第二差分值的绝对值的平均值；基于历史风速数据在与每个待测风速数据相应的每个风速段内的各个差分段内分布的数量，计算差分阈值；如果计算出的平均值大于所述差分阈值，则判定所述预定数量的待测风速数据为异常风速数据。
Description
技术领域
本发明涉及与风相关的领域，具体地说，涉及一种利用历史风速数据来判定待测风速数据是否为异常数据的方法和装置。
背景技术
随着风力发电的大规模发展，风力发电也逐渐成为重要的能源角色，风电总的装机容量也越来越大。而我们对于风的理解随着风电的发展也越来越深入。在风电相关的领域，气象领域，以及其他和风相关的领域，需要对传感器采集得到的风速数据进行即时监测。因此，我们经常需要在实时测量风速的过程中能够及时发现风速测量数据是否发生了异常。
在实际判定过程中，有一些特殊的异常值可以很容易被判断出来，比如说测量得到的风速为负数，或者为一个不可能的非常大的数(大于30m/s)。但是还有一些时候异常值的判断并不是一件容易的事情。因为风速是时刻在变化的，其数值一直在随机上下波动，某个时刻变大或者变小都有可能是正常现象，并不能直接判定为异常。因此，我们很难认定一个在正常取值范围内的风速数据是真实的波动，还是因为仪器误差、网络传输等问题造成的异常值。
在现实中很少有对风速异常值监测方法的深入研究，一般情况下也只是对于特别明显的异常值进行判断，并不涉及对不明显的异常情况进行判断。
因此，需要一种能够准确地判定测量得到的风速数据(尤其是不明显异常的风速数据)是否为异常风速数据的方法和装置。
发明内容
本发明的目的在于至少解决上述技术问题，并至少提供下述优点。
根据本发明的一方面，提供一种用于判定异常风速数据的方法，包括：按预定时间间隔获得预定时间段内的历史风速数据；针对所有历史风速数据，计算相邻时间点的历史风速数据之间的第一差分值；分别对历史风速数据和第一差分值进行分段，并统计历史风速数据在各个风速段内的各个差分段内分布的数量；按所述预定时间间隔获得预定数量的待测风速数据；针对所有待测风速数据，计算相邻时间点的待测风速数据之间的第二差分值；计算针对所有待测风速数据计算出的第二差分值的绝对值的平均值；基于历史风速数据在与每个待测风速数据相应的每个风速段内的各个差分段内分布的数量，计算差分阈值；如果计算出的平均值大于所述差分阈值，则判定所述预定数量的待测风速数据为异常风速数据。
分别对历史风速数据和第一差分值进行分段的步骤可包括：按第一预定步长对历史风速数据进行分段；按第二预定步长对第一差分值进行分段，其中，第一预定步长和第二预定步长不同或相同。
第一预定步长和第二预定步长可根据历史风速数据的数据量来确定。
可通过二维直方图来统计历史风速数据在各个风速段内的各个差分段内分布的数量。
所述方法还可包括：根据判定异常风速数据的实际情况来调整所述预定数量，其中，当发生将正常风速数据判定为异常风速数据的情况的概率大于第一预定阈值时，增大所述预定数量，其中，当发生将异常风速数据判定为正常风速数据的情况的概率大于第二预定阈值时，减小所述预定数量。
计算差分取值范围的步骤可包括：针对与每个待测风速数据相应的每个风速段，基于历史风速数据在该风速段内的各个差分段内分布的数量，计算累积概率分布为一特定值的第三差分值；计算与各个待测风速数据相应的各个风速段的第三差分值的平均值作为所述差分阈值。
根据本发明的另一方面，提供一种用于判定异常风速数据的装置，包括：风速数据获得单元，被配置为按预定时间间隔获得预定时间段内的历史风速数据和预定数量的待测风速数据；风速数据差分计算单元，被配置为针对所有历史风速数据，计算相邻时间点的历史风速数据之间的第一差分值，并针对所有待测风速数据，计算相邻时间点的待测风速数据之间的第二差分值；历史风速数据差分统计单元，被配置为分别对历史风速数据和第一差分值进行分段，并统计历史风速数据在各个风速段内的各个差分段内分布的数量；异常风速数据判定单元，被配置为计算针对所有待测风速数据计算出的第二差分值的绝对值的平均值，基于历史风速数据在与每个待测风速数据相应的每个风速段内的各个差分段内分布的数量，计算差分阈值，如果计算出的平均值大于所述差分阈值，则判定所述预定数量的待测风速数据为异常风速数据。
历史风速数据差分统计单元可按第一预定步长对历史风速数据进行分段，并按第二预定步长对第一差分值进行分段，其中，第一预定步长和第二预定步长不同或相同。
第一预定步长和第二预定步长可根据历史风速数据的数据量来确定。
历史风速数据差分统计单元可通过二维直方图来统计历史风速数据在各个风速段内的各个差分段内分布的数量。
风速数据获得单元可根据判定异常风速数据的实际情况来调整所述预定数量，其中，当发生将正常风速数据判定为异常风速数据的情况的概率大于第一预定阈值时，风速数据获得单元增大所述预定数量，其中，当发生将异常风速数据判定为正常风速数据的情况的概率大于第二预定阈值时，风速数据获得单元减小所述预定数量。
异常风速数据判定单元可针对与每个待测风速数据相应的每个风速段，基于历史风速数据在该风速段内的各个差分段内分布的数量，计算累积概率分布为一特定值的第三差分值，并计算与各个待测风速数据相应的各个风速段的第三差分值的平均值作为所述差分阈值。
根据本发明的另一方面，提供一种计算机可读存储介质，存储有程序，所述程序包括本发明的用于判定异常风速数据的方法的代码。
根据本发明的另一方面，提供一种计算机，包括存储有计算机程序的可读介质，所述计算机程序包括执行本发明的用于判定异常风速数据的方法的代码。
根据本发明的实施例的用于判定异常风速数据的方法和装置，不仅可对实时风速测量数据进行判定，还可对历史风速数据中的异常数据进行判定。此外，根据本发明的实施例的用于判定异常风速数据的方法和装置，可利用历史风速数据的统计特性，准确地对在正常取值范围内的风速数据进行异常判定。
附图说明
通过结合附图，从实施例的下面描述中，本发明这些和/或其它方面及优点将会变得清楚，并且更易于理解，其中：
图1是根据本发明的实施例的判定异常风速数据的方法的流程图；
图2示出某风电场两个月内的15分钟级的历史风速曲线图；
图3示出图2的风电场两个月内的15分钟级的历史风速差分曲线图；
图4示出图2的风电场两个月内的15分钟级的历史风速数据在各个风速段内的各个风速差分段内的二维直方图分布；
图5是根据本发明的实施例的判定异常风速数据的装置的框图。
具体实施方式
提供参照附图的以下描述以帮助对由权利要求及其等同物限定的本发明的实施例的全面理解。包括各种特定细节以帮助理解，但这些细节仅被视为是示例性的。因此，本领域的普通技术人员将认识到在不脱离本发明的范围和精神的情况下，可对描述于此的实施例进行各种改变和修改。此外，为了清楚和简洁，省略对公知的功能和结构的描述。
在实际记录风速数据的过程中，风速数据逐时刻点依次传输到数据库内，每过一个时刻点就会得到一个新的风速数据。在判断新的风速数据是否为异常的过程中，由于风速数值本来就是有一定随机性的，某个时刻变大或者变小都有可能是正常现象，并不能直接判定为异常。但是，如果持续一段时间内风速的变化特性与历史数据的特性不相符，则可以判断为异常。因此，本发明提出了一种通过判断在某风电场测量得到的新的风速数据是否符合该风电场的历史风速数据统计特性来判定在该风电场测量得到的新的风速数据是否为异常的方法和装置。下面将参照附图来详细描述根据本发明的实施例的判定异常风速数据的方法和装置。
图1是根据本发明的实施例的判定异常风速数据的方法的流程图。
参照图1，在步骤101，按预定时间间隔获得预定时间段内的历史风速数据。
根据本发明的一实施例，历史风速数据可以是测量待测风速数据所在的风电场的正常的历史风速数据。根据本发明的另一实施例，如果测量待测风速数据所在的风电场没有历史风速数据，则可使用与该风电场距离相近或风速特性相似的风电场的历史风速数据来代替。
根据本发明的一实施例，预定时间间隔可由用户根据实际情况设定。例如，预定时间间隔可被用户设置为15分钟。也就是说，在每隔15分钟的时间点获得一个历史风速数据。此外，预定时间段可由用户实际情况设定。例如，预定时间段可被用户设置为两个月。例如，如图2所示，图2示出某风电场两个月内的15分钟级的历史风速曲线图。然而，预定时间间隔不限于上述示例，也可以是1分钟或1小时等，并且预定时间段也不限于上述示例，也可以是3个月或半年等。
在步骤102，针对所有历史风速数据，计算相邻时间点的历史风速数据之间的第一差分值。
根据本发明的一实施例，第一差分值可为deltaVtn＝Vt(n+1)-Vtn，或者，deltaVt(n+1)＝Vt(n+1)-Vtn。这里，deltaVtn表示时间点t(n+1)的历史风速数据与时间点tn的历史风速数据之间的差分值，其中，n＝1,2,…,N，N为历史风速数据的总数量。例如，当n为1时，计算第二时间点的历史风速数据与第一时间点的历史风速数据之间的差分值，当n为2时，计算第三时间点的历史风速数据与第二时间点的历史风速数据之间的差分值，以此类推，可计算得到N-1个差分值，即，N-1个第一差分值。
例如，如图3所示，图3示出图2的风电场两个月内的15分钟级的历史风速差分曲线图。从图2和图3可看出，对于各个时间点的历史风速数据，风速分布差别较大，而风速差分的分布差别较小，只在0上下波动。
在步骤103，分别对历史风速数据和第一差分值进行分段，并统计历史风速数据在各个风速段内的各个差分段内分布的数量。
根据本发明的一实施例，可按第一预定步长对历史风速数据进行分段，并按第二预定步长对第一差分值进行分段。这里，第一预定步长和第二预定步长可以不同也可以相同。例如，可将第一预定步长和第二预定步长设置为1m/s，即，将历史风速数据和第一差分值量化为0m/s～1m/s,1m/s～2m/s,…等。或者，可将第一预定步长设置为1m/s，将第二预定步长设置为0.5m/s，即，将历史风速数据量化为0m/s～1m/s,1m～2m/s,…等，并将第一差分值量化为0m/s～0.5m/s,0.5m/s～1m/s,…等。然而，本发明的第一预定步长和第二预定步长不限于上述示例，还可将第一预定步长和第二预定步长设置为其它间隔，例如，分段的边界点也可以为1.1m/s，2.1m/s，3.1m/s…等。
根据本发明的一实施例，用户可根据历史风速数据的数量来设置第一预定步长和第二预定步长。例如，当历史风速数据的数量较大时，可设置较小的第一预定步长和第二预定步长以提高精度，当历史风速数据的数量较小时，可设置较大的第一预定步长和第二预定步长以提高精度。
根据本发明的一实施例，在分别对历史风速数据和第一差分值进行分段之后，可统计历史风速数据在各个风速段内的各个差分段内分布的数量。例如，当第一时间点的风速为1m/s，第二时间点的风速为2m/s，第一预定步长为1m/s，第二预定步长为1m/s时，第一差分值为第二时间点的风速减去第一时间点的风速，即，deltaV＝2m/s-1m/s＝1m/s。这里，第一时间点与第二时间点的风速差可作为第一时间点的风速数据的差分值，即，deltaVtn＝Vt(n+1)-Vtn，也可以作为第二时间点的风速数据的差分值，即，deltaVt(n+1)＝Vt(n+1)-Vtn。例如，如果将第一时间点与第二时间点的风速差作为第一时间点的风速数据的差分值，则第一时间点的历史风速数据的风速值为1m/s，差分值为1m/s，即，第一时间点的历史风速数据分布在0m/s～1m/s的风速段中的0m/s～1m/s的风速差分段中。以此类推，可统计所有历史风速数据在各个风速段内的各个差分段内分布情况，从而统计所有历史风速数据在各个风速段内的各个差分段内分布的数量。
根据本发明的一实施例，可利用二维直方图来统计历史风速数据在各个风速段内的各个风速差分段内分布的数量。例如，如图4所示，图4示出图2的风电场两个月内的15分钟级的历史风速数据在各个风速段内的各个风速差分段内的二维直方图分布。在图4中，x轴表示风速数据，其中，对历史风速数据进行分段的第一预定步长为1m/s，y轴表示风速差分值，对第一差分值进行分段的第二预定步长为1m/s，z轴表示历史风速数据在各个风速段内的各个风速差分段内分布的数量。
在步骤104，按预定时间间隔获得预定数量的待测风速数据。
根据本发明的一实施例，获得待测风速数据的预定时间间隔与获得历史风速数据的预定时间隔相同。例如，获得待测风速数据的预定时间间隔与获得历史风速数据的预定时间隔都为15分钟，即，在每隔15分钟的各个时间点获得历史风速数据和待测风速数据。然而，预定时间间隔不限于上述示例，也可以是1分钟或1小时等。
根据本发明的一实施例，待测风速数据可以是实时测量的风速数据，也可以是某时间段内的尚未判定是否为正常的历史风速数据。也就是说，本发明的用于判定异常风速数据的方法不仅可适用于判定实时测量的风速数据是否为异常，也可适用于判定某一时间段内的历史风速数据是否为异常。
根据本发明的一实施例，待测风速数据的数量M可由用户设置或调整。例如，用户可首先将M设置为16。此外，可根据判定异常风速数据的实际情况来调整待测风速数据的数量M。具体地说，当发生将正常风速数据判定为异常风速数据的情况的概率大于第一预定阈值时，也就是说，用于判定异常风速数据的方法过于敏感，存在较多误判时，可增大待测风速数据的数量M以提高判定的准确度，例如，将M从16增大到32。此外，当发生将异常风速数据判定为正常风速数据的情况的概率大于第二预定阈值时，也就是说，用于判定异常风速数据的方法过于迟钝，存在较多漏判时，可减小待测风速数据的数量M以提高判定的准确度，例如，将M从16减小到8。
在步骤105，针对所有待测风速数据，计算相邻时间点的待测风速数据之间的第二差分值。
根据本发明的一实施例，计算相邻时间点的待测风速数据之间的第二差分值deltaVtm的方法与根据本发明的实施例的计算相邻时间点的历史风速数据之间的第一差分值deltaVtn的方法相同，因此省略对其的详细描述。根据上述方法，可计算得到M-1个第二差分值。
在步骤106，计算针对所有待测风速数据计算出的第二差分值的绝对值的平均值deltaVmean。
根据本发明的一实施例，针对所有待测风速数据计算出的第二差分值的绝对值的平均值deltaVmean＝mean(abs(deltaVtm))，其中，m＝0,1,2…,M-1，其中，M为待测风速数据的总数量。
例如，获得图2的风电场2016年8月1日0点起16个时间点的待测风速数据，并计算针对16个时间点的待测风速数据计算出的第二差分值的绝对值的平均值deltaVmean＝mean(abs(deltaVtm))＝1.5481。
在步骤107，基于历史风速数据在与每个待测风速数据相应的每个风速段内的各个差分段内分布的数量，计算差分阈值。
根据本发明的一实施例，针对与每个待测风速数据相应的每个风速段，基于历史风速数据在该风速段内的各个差分段内分布的数量，计算累积概率分布为一特定值的第三差分值，并计算与各个待测风速数据相应的各个风速段的第三差分值的平均值作为所述差分阈值。
例如，第一待测风速数据的风速为1m/s，其与风速段0m/s～1m/s相应，则可从统计出的历史风速数据在各个风速段内的各个差分段内分布的数量(例如，二维直方图)中查找在0m/s～1m/s的风速段中各个差分段内分布的历史风速数据的数量，并针对0m/s～1m/s的风速段，计算累积概率分布为一特定值(例如，99％)的第三差分值。以此类似，可计算出M个第三差分值deltaVm’，其中，m＝1,2,…,M。随后，可计算这M个第三差分值的平均值作为差分阈值deltaVthreshold，即，deltaVthreshold＝mean(deltaVm’)。
例如，在图2的风电场的2016年6月1日至7月31日的历史风速数量以及该风电场的2016年8月1日0点起的16个待测风速数据，并且累积概率分布被设置为99％的情况下，可计算出差分阈值deltaVthreshold＝2.1665。这里，累积概率分布的特定值不限于此，可根据精确需要将累积概率分布的特定值设置为其它数值，例如95％等。
在步骤108，如果计算出的平均值大于所述差分阈值，则判定所述预定数量的待测风速数据为异常风速数据。
根据本发明的一实施例，可将在步骤106计算出的针对所有待测风速数据计算出的第二差分值的绝对值的平均值deltaVmean与在步骤107计算出的差分阈值deltaVthreshold进行比较，如果计算出的平均值deltaVmean小于或等于差分阈值deltaVthreshold，则将待测风速数据判定为正常风速数据，如果计算出的平均值deltaVmean大于差分阈值deltaVthreshold，则将待测风速数据为判定为异常风速数据。
例如，在上述示例中，当计算出的平均值deltaVmean＝1.5481，并且计算出的差分阈值deltaVthreshold＝2.1665时，可将上述示例中的待测风速数据判定为正常风速数据。
通过本发明的实施例的用于判定异常风速数据的方法，可利用历史风速数据的统计特性，准确地对在正常取值范围内的风速数据进行异常判定。
图5是根据本发明的实施例的判定异常风速数据的装置的框图。
参照图5，根据本发明的实施例的判定异常风速数据的装置500可包括风速数据获得单元501、风速数据差分计算单元502、历史风速数据差分统计单元503和异常风速数据判定单元504。
具体地说，风速数据获得单元501可按预定时间间隔获得预定时间段内的历史风速数据和预定数量的待测风速数据。
根据本发明的一实施例，历史风速数据可以是测量待测风速数据所在的风电场的正常的历史风速数据。根据本发明的另一实施例，如果测量待测风速数据所在的风电场没有历史风速数据，则可使用与该风电场距离相近或风速特性相似的风电场的历史风速数据来代替。
根据本发明的一实施例，预定时间间隔可由用户根据实际情况设定。例如，预定时间间隔可被用户设置为15分钟。也就是说，在每隔15分钟的时间点获得一个历史风速数据。此外，预定时间段可由用户实际情况设定。例如，预定时间段可被用户设置为两个月。
根据本发明的一实施例，待测风速数据可以是实时测量的风速数据，也可以是某时间段内的尚未判定是否为正常的历史风速数据。也就是说，本发明的用于判定异常风速数据的方法不仅可适用于判定实时测量的风速数据是否为异常，也可适用于判定某一时间段内的历史风速数据是否为异常。
根据本发明的一实施例，待测风速数据的预定数量M可由用户设置或调整。例如，用户可首先将M设置为16。此外，可根据判定异常风速数据的实际情况来调整待测风速数据的数量M。具体地说，当发生将正常风速数据判定为异常风速数据的情况的概率大于第一预定阈值时，也就是说，用于判定异常风速数据的方法过于敏感，存在较多误判时，可增大待测风速数据的数量M以提高判定的准确度，例如，将M从16增大到32。此外，当发生将异常风速数据判定为正常风速数据的情况的概率大于第二预定阈值时，也就是说，用于判定异常风速数据的方法过于迟钝，存在较多漏判时，可减小待测风速数据的数量M以提高判定的准确度，例如，将M从16减小到8。
风速数据差分计算单元502可针对所有历史风速数据，计算相邻时间点的历史风速数据之间的第一差分值，并可针对所有待测风速数据，计算相邻时间点的待测风速数据之间的第二差分值。
根据本发明的一实施例，第一差分值可为deltaVtn＝Vt(n+1)-Vtn，或者，deltaVt(n+1)＝Vt(n+1)-Vtn。这里，deltaVtn表示时间点t(n+1)的历史风速数据与时间点tn的历史风速数据之间的差分值，其中，n＝1,2,…,N，N为历史风速数据的总数量。例如，当n为1时，计算第二时间点的历史风速数据与第一时间点的历史风速数据之间的差分值，当n为2时，计算第三时间点的历史风速数据与第二时间点的历史风速数据之间的差分值，以此类推，可计算得到N-1个差分值，即，N-1个第一差分值。
根据本发明的一实施例，计算相邻时间点的待测风速数据之间的第二差分值deltaVtm的方法与根据本发明的实施例的计算相邻时间点的历史风速数据之间的第一差分值deltaVtn的方法相同，因此省略对其的详细描述。根据上述方法，可计算得到M-1个第二差分值。
历史风速数据差分统计单元503可分别对历史风速数据和第一差分值进行分段，并统计历史风速数据在各个风速段内的各个差分段内分布的数量。
根据本发明的一实施例，可按第一预定步长对历史风速数据进行分段，并按第二预定步长对第一差分值进行分段。这里，第一预定步长和第二预定步长可以不同也可以相同。例如，可将第一预定步长和第二预定步长设置为1m/s，即，将历史风速数据和第一差分值量化为0m/s～1m/s,1m/s～2m/s,…等。或者，可将第一预定步长设置为1m/s，将第二预定步长设置为0.5m/s，即，将历史风速数据量化为0m/s～1m/s,1m～2m/s,…等，并将第一差分值量化为0m/s～0.5m/s,0.5m/s～1m/s,…等。然而，本发明的第一预定步长和第二预定步长不限于上述示例，还可将第一预定步长和第二预定步长设置为其它间隔，例如，分段的边界点也可以为1.1m/s，2.1m/s，3.1m/s…等。
根据本发明的一实施例，用户可根据历史风速数据的数量来设置第一预定步长和第二预定步长。例如，当历史风速数据的数量较大时，可设置较小的第一预定步长和第二预定步长以提高精度，当历史风速数据的数量较小时，可设置较大的第一预定步长和第二预定步长以提高精度。
根据本发明的一实施例，在分别对历史风速数据和第一差分值进行分段之后，可统计历史风速数据在各个风速段内的各个差分段内分布的数量。例如，当第一时间点的风速为1m/s，第二时间点的风速为2m/s，第一预定步长为1m/s，第二预定步长为1m/s时，第一差分值为第二时间点的风速减去第一时间点的风速，即，deltaV＝2m/s-1m/s＝1m/s。这里，第一时间点与第二时间点的风速差可作为第一时间点的风速数据的差分值，即，deltaVtn＝Vt(n+1)-Vtn，也可以作为第二时间点的风速数据的差分值，即，deltaVt(n+1)＝Vt(n+1)-Vtn。例如，如果将第一时间点与第二时间点的风速差作为第一时间点的风速数据的差分值，则第一时间点的历史风速数据的风速值为1m/s，差分值为1m/s，即，第一时间点的历史风速数据分布在0m/s～1m/s的风速段中的0m/s～1m/s的风速差分段中。以此类推，可统计所有历史风速数据在各个风速段内的各个差分段内分布情况，从而统计所有历史风速数据在各个风速段内的各个差分段内分布的数量。
根据本发明的一实施例，可利用二维直方图来统计历史风速数据在各个风速段内的各个风速差分段内分布的数量。
异常风速数据判定单元504可计算针对所有待测风速数据计算出的第二差分值的绝对值的平均值，基于历史风速数据在与每个待测风速数据相应的每个风速段内的各个差分段内分布的数量，计算差分阈值，如果计算出的平均值大于所述差分阈值，则判定所述预定数量的待测风速数据为异常风速数据。
根据本发明的一实施例，异常风速数据判定单元504计算针对所有待测风速数据计算出的第二差分值的绝对值的平均值deltaVmean＝mean(abs(deltaVtm))，其中，m＝0,1,2…,M-1，其中，M为待测风速数据的总数量。
根据本发明的一实施例，异常风速数据判定单元504针对与每个待测风速数据相应的每个风速段，基于历史风速数据在该风速段内的各个差分段内分布的数量，计算累积概率分布为一特定值的第三差分值，并计算与各个待测风速数据相应的各个风速段的第三差分值的平均值作为所述差分阈值。例如，第一待测风速数据的风速为1m/s，其与风速段0m/s～1m/s相应，则可从统计出的历史风速数据在各个风速段内的各个差分段内分布的数量(例如，二维直方图)中查找在0m/s～1m/s的风速段中各个差分段内分布的历史风速数据的数量，并针对0m/s～1m/s的风速段，计算累积概率分布为一特定值(例如，99％)的第三差分值。以此类似，可计算出M个第三差分值deltaVm’，其中，m＝1,2,…,M。随后，可计算这M个第三差分值的平均值作为差分阈值deltaVthreshold，即，deltaVthreshold＝mean(deltaVm’)。
根据本发明的一实施例，异常风速数据判定单元504可将计算出的针对所有待测风速数据计算出的第二差分值的绝对值的平均值deltaVmean与计算出的差分阈值deltaVthreshold进行比较，如果计算出的平均值deltaVmean小于或等于差分阈值deltaVthreshold，则将待测风速数据判定为正常风速数据，如果计算出的平均值deltaVmean大于差分阈值deltaVthreshold，则将待测风速数据为判定为异常风速数据。
通过本发明的实施例的用于判定异常风速数据的装置，可利用历史风速数据的统计特性，准确地对在正常取值范围内的风速数据进行异常判定。
本发明的实施例还提供一种计算机可读存储介质，存储有程序，其中，所述程序包括执行根据本发明的实施例的用于判定异常风速数据的方法的代码。
本发明的示例性实施例还提供一种计算机，包括存储有计算机程序的可读介质，其中，所述计算机程序包括执行根据本发明的实施例的用于判定异常风速数据的方法的代码。
根据本发明的实施例的用于判定异常风速数据的方法和装置，不仅可对实时风速测量数据进行判定，还可对历史风速数据中的异常数据进行判定。此外，根据本发明的实施例的用于判定异常风速数据的方法和装置，可利用历史风速数据的统计特性，准确地对在正常取值范围内的风速数据进行异常判定。
可根据计算机程序指令来执行根据本发明的上述方法。由于这些程序指令可被包括在计算机、专用处理器或可编程或专用硬件中，因此在其中执行的指令可有利于上述的功能的执行。如本领域的技术人员所理解的，计算机、处理器或可编程硬件包括可存储或接收软件或计算机代码的存储器件，所述软件或计算机代码在被计算机、处理器或硬件访问和执行时实现在本发明中描述的方法。
虽然本发明是参照其示例性的实施例被显示和描述的，但是本领域的技术人员应该理解，在不脱离由权利要求及其等同物限定的本发明的精神和范围的情况下，可以对其形式和细节进行各种改变。
Claims (14)
1.一种用于判定异常风速数据的方法，其特征在于，包括：
按预定时间间隔获得预定时间段内的历史风速数据；
针对所有历史风速数据，计算相邻时间点的历史风速数据之间的第一差分值；
分别对历史风速数据和第一差分值进行分段，并统计历史风速数据在各个风速段内的各个差分段内分布的数量；
按所述预定时间间隔获得预定数量的待测风速数据；
针对所有待测风速数据，计算相邻时间点的待测风速数据之间的第二差分值；
计算针对所有待测风速数据计算出的第二差分值的绝对值的平均值；
基于历史风速数据在与每个待测风速数据相应的每个风速段内的各个差分段内分布的数量，计算差分阈值；
如果计算出的平均值大于所述差分阈值，则判定所述预定数量的待测风速数据为异常风速数据。
2.如权利要求1所述的方法，其特征在于，分别对历史风速数据和第一差分值进行分段的步骤包括：
按第一预定步长对历史风速数据进行分段；
按第二预定步长对第一差分值进行分段，
其中，第一预定步长和第二预定步长不同或相同。
3.如权利要求2所述的方法，其特征在于，第一预定步长和第二预定步长是根据历史风速数据的数据量确定的。
4.如权利要求1所述的方法，其特征在于，通过二维直方图来统计历史风速数据在各个风速段内的各个差分段内分布的数量。
5.如权利要求1所述的方法，其特征在于，还包括：根据判定异常风速数据的实际情况来调整所述预定数量，
其中，当发生将正常风速数据判定为异常风速数据的情况的概率大于第一预定阈值时，增大所述预定数量，
其中，当发生将异常风速数据判定为正常风速数据的情况的概率大于第二预定阈值时，减小所述预定数量。
6.如权利要求1所述的方法，其特征在于，计算差分取值范围的步骤包括：
针对与每个待测风速数据相应的每个风速段，基于历史风速数据在该风速段内的各个差分段内分布的数量，计算累积概率分布为一特定值的第三差分值；
计算与各个待测风速数据相应的各个风速段的第三差分值的平均值作为所述差分阈值。
7.一种用于判定异常风速数据的装置，其特征在于，包括：
风速数据获得单元，被配置为按预定时间间隔获得预定时间段内的历史风速数据和预定数量的待测风速数据；
风速数据差分计算单元，被配置为针对所有历史风速数据，计算相邻时间点的历史风速数据之间的第一差分值，并针对所有待测风速数据，计算相邻时间点的待测风速数据之间的第二差分值；
历史风速数据差分统计单元，被配置为分别对历史风速数据和第一差分值进行分段，并统计历史风速数据在各个风速段内的各个差分段内分布的数量；
异常风速数据判定单元，被配置为计算针对所有待测风速数据计算出的第二差分值的绝对值的平均值，基于历史风速数据在与每个待测风速数据相应的每个风速段内的各个差分段内分布的数量，计算差分阈值，如果计算出的平均值大于所述差分阈值，则判定所述预定数量的待测风速数据为异常风速数据。
8.如权利要求7所述的装置，其特征在于，历史风速数据差分统计单元按第一预定步长对历史风速数据进行分段，并按第二预定步长对第一差分值进行分段，
其中，第一预定步长和第二预定步长不同或相同。
9.如权利要求8所述的装置，其特征在于，第一预定步长和第二预定步长是根据历史风速数据的数据量确定的。
10.如权利要求7所述的装置，其特征在于，历史风速数据差分统计单元通过二维直方图来统计历史风速数据在各个风速段内的各个差分段内分布的数量。
11.如权利要求7所述的装置，其特征在于，风速数据获得单元根据判定异常风速数据的实际情况来调整所述预定数量，
其中，当发生将正常风速数据判定为异常风速数据的情况的概率大于第一预定阈值时，风速数据获得单元增大所述预定数量，
其中，当发生将异常风速数据判定为正常风速数据的情况的概率大于第二预定阈值时，风速数据获得单元减小所述预定数量。
12.如权利要求7所述的装置，其特征在于，异常风速数据判定单元针对与每个待测风速数据相应的每个风速段，基于历史风速数据在该风速段内的各个差分段内分布的数量，计算累积概率分布为一特定值的第三差分值，计算与各个待测风速数据相应的各个风速段的第三差分值的平均值作为所述差分阈值。
13.一种计算机可读存储介质，存储有程序，其特征在于，所述程序包括执行如权利要求1-6中任一项所述的方法的代码。
14.一种计算机，包括存储有计算机程序的可读介质，其特征在于，所述计算机程序包括执行如权利要求1-6中任一项所述的方法的代码。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711403139.0A CN110020000B (zh) | 2017-12-22 | 2017-12-22 | 判定异常风速数据的方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711403139.0A CN110020000B (zh) | 2017-12-22 | 2017-12-22 | 判定异常风速数据的方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110020000A true CN110020000A (zh) | 2019-07-16 |
| CN110020000B CN110020000B (zh) | 2021-04-13 |
Family
ID=67187015
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711403139.0A Active CN110020000B (zh) | 2017-12-22 | 2017-12-22 | 判定异常风速数据的方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110020000B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113884705A (zh) * | 2021-09-28 | 2022-01-04 | 上海电气风电集团股份有限公司 | 簇群风机风速计的监测方法及其系统及计算机可读存储介质 |
| CN114167522A (zh) * | 2021-12-17 | 2022-03-11 | 深圳市云端高科信息科技有限公司 | 一种用于智慧城市高层建筑的风场监测与校正系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103675354A (zh) * | 2013-11-19 | 2014-03-26 | 中国大唐集团科学技术研究院有限公司 | 一种风速仪故障检测的方法和系统 |
| CN103675355A (zh) * | 2013-11-19 | 2014-03-26 | 中国大唐集团科学技术研究院有限公司 | 风速仪监测方法和系统 |
| US20150063575A1 (en) * | 2013-08-28 | 2015-03-05 | Texas Instruments Incorporated | Acoustic Sound Signature Detection Based on Sparse Features |
| CN106095787A (zh) * | 2016-05-30 | 2016-11-09 | 重庆大学 | 时间序列数据的一种符号化表示方法 |
| CN106326278A (zh) * | 2015-06-30 | 2017-01-11 | 阿里巴巴集团控股有限公司 | 一种判断数据异常方法和设备 |
| CN106685749A (zh) * | 2015-11-09 | 2017-05-17 | 北京国双科技有限公司 | 网络流量的检验方法和装置 |
| CN107357673A (zh) * | 2017-06-28 | 2017-11-17 | 深圳市金立通信设备有限公司 | 一种检测异常耗电的方法、终端以及计算机可读存储介质 |
-
2017
- 2017-12-22 CN CN201711403139.0A patent/CN110020000B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150063575A1 (en) * | 2013-08-28 | 2015-03-05 | Texas Instruments Incorporated | Acoustic Sound Signature Detection Based on Sparse Features |
| CN103675354A (zh) * | 2013-11-19 | 2014-03-26 | 中国大唐集团科学技术研究院有限公司 | 一种风速仪故障检测的方法和系统 |
| CN103675355A (zh) * | 2013-11-19 | 2014-03-26 | 中国大唐集团科学技术研究院有限公司 | 风速仪监测方法和系统 |
| CN106326278A (zh) * | 2015-06-30 | 2017-01-11 | 阿里巴巴集团控股有限公司 | 一种判断数据异常方法和设备 |
| CN106685749A (zh) * | 2015-11-09 | 2017-05-17 | 北京国双科技有限公司 | 网络流量的检验方法和装置 |
| CN106095787A (zh) * | 2016-05-30 | 2016-11-09 | 重庆大学 | 时间序列数据的一种符号化表示方法 |
| CN107357673A (zh) * | 2017-06-28 | 2017-11-17 | 深圳市金立通信设备有限公司 | 一种检测异常耗电的方法、终端以及计算机可读存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| 付强: "时间序列奇异点趋势方向研究", 《中国优秀硕士学位论文全文数据库 经济与管理科学辑》 * |
| 陈运文等: "基于异常检测的时间序列研究", 《计算机技术与发展》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113884705A (zh) * | 2021-09-28 | 2022-01-04 | 上海电气风电集团股份有限公司 | 簇群风机风速计的监测方法及其系统及计算机可读存储介质 |
| CN114167522A (zh) * | 2021-12-17 | 2022-03-11 | 深圳市云端高科信息科技有限公司 | 一种用于智慧城市高层建筑的风场监测与校正系统 |
| CN114167522B (zh) * | 2021-12-17 | 2024-07-02 | 深圳市云端高科信息科技有限公司 | 一种用于智慧城市高层建筑的风场监测与校正系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110020000B (zh) | 2021-04-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106502868B (zh) | 一种适用于云计算的动态调整监测频率方法 | |
| EP1630635A2 (en) | Method and apparatus for improved fault detection in power generation equipment | |
| CN109779848B (zh) | 全场风速修正函数的获得方法、装置及风电场 | |
| US11265232B2 (en) | IoT stream data quality measurement indicator and profiling method and system therefor | |
| CN110781220A (zh) | 故障预警方法、装置、存储介质和电子设备 | |
| CN112560974B (zh) | 一种信息融合、车辆信息获取方法及装置 | |
| CN109307795B (zh) | 波形点检测方法及装置 | |
| CN115824993B (zh) | 水体化学需氧量的确定方法、装置、计算机设备及介质 | |
| CN117556366B (zh) | 基于数据筛选的数据异常检测系统及方法 | |
| CN110020000A (zh) | 判定异常风速数据的方法和装置 | |
| CN112325967A (zh) | 智能化物联网水表工作状态预警方法及系统 | |
| CN108040250A (zh) | 一种智能电视性能的评估方法和装置 | |
| CN109976986B (zh) | 异常设备的检测方法及装置 | |
| CN109781341A (zh) | 气压传感器的数据校准方法及装置 | |
| CN103605323B (zh) | 化工生产的离散控制方法及装置 | |
| US11209339B2 (en) | Method and system for detecting performance of roll-to-roll device for processing flexible material and component thereof | |
| CN110058811A (zh) | 信息处理装置、数据管理系统、方法以及计算机可读介质 | |
| CN109614758A (zh) | 具有空间相关性的圆形形状误差的监控方法 | |
| CN112260900B (zh) | 通信设备能耗测量方法、装置、设备以及存储介质 | |
| CN114331128A (zh) | 一种基于物联网的智慧水务管理方法、系统、设备及介质 | |
| CN112879216B (zh) | 风电场的风速修正方法和装置 | |
| JP6234295B2 (ja) | 欠測データ補完方法およびデータ収集装置 | |
| CN111176931A (zh) | 一种运营监控方法、装置、服务器及存储介质 | |
| CN108038279B (zh) | 电网不对称故障下风机机电暂态恢复过程评价方法和装置 | |
| CN109960818B (zh) | 生成风电场的模拟风速数据的方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20190717 Address after: Room 209, 2nd floor, No. 1 Building, 19 Kangding Street, Beijing Economic and Technological Development Zone, 100176 Applicant after: Beijing gold Wind Technology Co., Ltd. Huineng Applicant after: Jiangsu Jinfeng Software Technology Co., Ltd. Address before: Room 209, 2nd floor, No. 1 Building, 19 Kangding Street, Beijing Economic and Technological Development Zone, Daxing District, Beijing, 100176 Applicant before: Beijing gold Wind Technology Co., Ltd. Huineng |
|
| TA01 | Transfer of patent application right | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |