CN114969017B - 风功率数据清洗方法、清洗装置及预测方法 - Google Patents
风功率数据清洗方法、清洗装置及预测方法 Download PDFInfo
- Publication number
- CN114969017B CN114969017B CN202210895422.4A CN202210895422A CN114969017B CN 114969017 B CN114969017 B CN 114969017B CN 202210895422 A CN202210895422 A CN 202210895422A CN 114969017 B CN114969017 B CN 114969017B
- Authority
- CN
- China
- Prior art keywords
- wind speed
- data
- power
- wind
- cleaning
- 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
- 238000004140 cleaning Methods 0.000 title claims abstract description 129
- 238000000034 method Methods 0.000 title claims abstract description 41
- 230000002159 abnormal effect Effects 0.000 claims abstract description 75
- 238000012549 training Methods 0.000 claims description 38
- 238000012937 correction Methods 0.000 claims description 30
- 239000000126 substance Substances 0.000 claims description 22
- 238000012986 modification Methods 0.000 claims description 6
- 230000004048 modification Effects 0.000 claims description 6
- 238000005406 washing Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 description 6
- 238000012216 screening Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 3
- 230000002411 adverse Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- QVRVXSZKCXFBTE-UHFFFAOYSA-N n-[4-(6,7-dimethoxy-3,4-dihydro-1h-isoquinolin-2-yl)butyl]-2-(2-fluoroethoxy)-5-methylbenzamide Chemical compound C1C=2C=C(OC)C(OC)=CC=2CCN1CCCCNC(=O)C1=CC(C)=CC=C1OCCF QVRVXSZKCXFBTE-UHFFFAOYSA-N 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/72—Wind turbines with rotation axis in wind direction
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Wind Motors (AREA)
Abstract
本发明涉及风功率预测技术领域,尤其涉及一种风功率数据清洗方法、一种风功率数据清洗装置及一种风功率预测方法。其中,一种风功率数据清洗方法,包括:数据获取步骤,获取并生成原始风速‑风功率数据样本;以及,第一清洗步骤,利用公式1对数据样本进行数据清洗,得出第一清洗数据集。本方案的数据清洗效率高,适用性广,能够准确识别出风功率数据中由于多种因素导致的异常数据并进行清洗,从而获得干净的风功率数据,以用于提高后续的风功率预测精度。
Description
技术领域
本发明涉及风功率预测技术领域,尤其涉及一种风功率数据清洗方法、一种风功率数据清洗装置及一种风功率预测方法。
背景技术
风功率预测是以风电场的历史功率、历史风速、地形地貌、数值天气预报、风电机组运行状态等数据建立风电场输出功率的预测模型,以风速、功率等数据作为模型的输入,结合风电场机组的设备状态及运行工况,预测风电场未来的功率,以实现电力调度部门对风电调度的要求。
现有技术中,对风功率或风电功率数据进行清洗的主流方法主要基于密度的聚类算法,比如IF、DBSCAN等算法,但这些主流的数据清洗方法无法完全适用于每个风电场的风功率曲线特性,以及由于其他因素导致的异常数据,同时清洗过程较为繁琐,从而导致每预测一个风电场的风功率需要对一个风场进行特定的数据清洗,通用性差。详细有公开号为CN114077924A的中国发明所公开的一种考虑极端大风天气的用于风电功率预测的大风数据增强方法,其仅对极端大风天气下的异常数据进行清洗,使极端大风天气下风电预测功率的误差得到改善。然而,受机组故障、环境变化和监测传感器设备异常等因素的影响,在风力发电的实际过程中产生了大量的异常数据,这些问题都将会干扰到后期风功率预测的精度。
因此,业界亟待一种新的数据清洗方法,能够准确识别出风功率数据中由于如上所述多种因素导致的异常数据并进行清洗,从而获得干净的风功率数据,以提高风功率的预测精度。
发明内容
本发明的目的在于针对现有技术的不足提供一种风功率数据清洗方法、一种风功率数据清洗装置及一种风功率预测方法,旨在能够准确识别出风功率数据中由于如上所述多种因素导致的异常数据并进行清洗,从而获得干净的风功率数据,以提高风功率的预测精度。
本发明通过以下技术方案来实现上述目的:一种风功率数据清洗方法,包括如下步骤:
数据获取步骤:获取历史实测风速数据和实测风功率数据,生成原始风速-风功率数据样本;以及
第一清洗步骤:利用公式1对原始风速-风功率数据样本进行数据清洗,得出第一清洗数据集:
作为本发明进一步的方案:第一清洗步骤的后一步骤还包括:
以及
作为本发明进一步的方案:第三清洗步骤的后一步骤还包括:
作为本发明进一步的方案:第一修正步骤的后一步骤还包括:
其中,为第个时刻的整场风速,为下的直线拟合整场功率,,,为第个时刻的整场功率,为额定功率,为
额定风速,为切出风速,表示单位为的风速,为修正数据集中风速所对应的最小风功率,为修正数据集中正常数据集中的最大风速。
本发明还提供了另一技术方案:一种风功率数据清洗装置,包括:
数据获取模块,用于获取历史实测风速数据和实测风功率数据,生成原始风速-风功率数据样本;
第一数据清洗模块,用于利用公式1对原始风速-风功率数据样本进行数据清洗,得出第一清洗数据集:
作为本发明进一步的方案:该装置还包括:
以及
作为本发明进一步的方案:该装置还包括:
作为本发明的又一种方案:一种风功率预测方法,包括:
预测数据获取步骤:获取待预测时段的风速预测数据;
预测功率输出步骤:将获取到的风速预测数据作为预先训练的风功率预测模型的输入,得到风功率预测模型输出的功率预测数据;
其中,所述预先训练的风功率预测模型采用所述第一训练样本进行模型训练。
作为本发明进一步的方案:一种风功率预测方法,包括:
预测数据获取步骤:获取待预测时段的风速预测数据;
预测功率输出步骤:将获取到的风速预测数据作为预先训练的风功率预测模型的输入,得到风功率预测模型输出的功率预测数据;
其中,所述预先训练的风功率预测模型采用所述第二训练样本进行模型训练。
本发明还提供了另一技术方案:一种风功率预测方法,包括:
预测数据获取步骤:获取待预测时段的风速预测数据;
预测功率输出步骤:将获取到的风速预测数据作为预先训练的风功率预测模型的输入,得到风功率预测模型输出的功率预测数据;
其中,所述预先训练的风功率预测模型采用所述第三训练样本进行模型训练。
本发明的有益效果:
本发明的技术方案,通过利用公式1对原始数据进行总体数据清洗,得出第一清洗数据集,以实现数据清洗效果,从而将第一清洗数据集作为干净的数据用于后续的风功率预测。本技术方案的数据清洗效率高,适用性广,能够准确识别出风功率数据中由于多种因素导致的异常数据并进行清洗,从而获得干净的风功率数据,以用于提高后续的风功率预测精度。
附图说明
图1为本发明一种实施例的原始风速-风功率数据样本的曲线示意图。
图2为图1经过第三清洗步骤清洗数据后的数据集曲线示意图。
图3为图2经过第一修正步骤和第二修正步骤进行数据修正后得到的风速-风功率曲线示意图。
图4为本发明一种实施例的流程示意图。
具体实施方式
以下结合附图对本发明进行详细的描述。
如图1~4所示,在本发明实施例中提供了一种风功率数据清洗方法,包括如下步骤:
数据获取步骤:获取历史实测风速数据和实测风功率数据,生成原始风速-风功率数据样本;以及
第一清洗步骤:利用公式1对原始风速-风功率数据样本进行数据清洗,得出第一清洗数据集:
其中,为第个时刻的整场风速,为额定风速,为第个时刻的整场功率,
为额定功率,为正常数据集,为异常数据集,的参数为。其中优选。另外,经过第一清洗步骤得出的第一清洗数据集,此时第一清洗数据集为正常数据
集。
本发明的技术方案,通过利用公式1对原始数据进行总体数据清洗,得出第一清洗数据集,以实现数据清洗效果,从而将第一清洗数据集作为干净的数据用于后续的风功率预测。本技术方案的数据清洗效率高,适用性广,能够准确识别出风功率数据中由于多种因素导致的异常数据并进行清洗,从而获得干净的风功率数据,以用于提高后续的风功率预测精度。
在一个实施例中,第一清洗步骤的后一步骤还包括:
以及
其中,是第个时刻的整场风速,为整场风速下的拟合整场功率,分别为多项式对应的系数,为三次多项式曲线的常数,为第个时刻的整场功
率,为异常数据集,表示为的风速,表示为在风速下的拟合功率。具体地,将总的原始数据划分为三个区间,并对三个区间的数据集分
别采用不同的清洗方式再次进行数据清洗,从而得到更为干净的清洗数据,具体为采用LOF
算法对第一区间和第三区间的第一清洗数据集进行局部异常点识别,剔除
离群点样本,得到异常数据集,利用局部离群因子LOF算法对数据集形成的风功率曲线进
行筛选异常值,由于不同区间的数据密度不同,故对和中的正常集
合(即第一清洗数据集)分别进行LOF算法筛选异常值,最后将筛选到的异常值划分为异
常数据集。具体地,对于第二区间,由于风速-风功率曲线拟合的理论曲线是三次
多项式曲线,此处主要是做三次多项式拟合。利用拟合曲线对区间的风功率数据
再次清洗及筛选异常值,即当时,整场功率比前0.5m/s的风速下所对应的
拟合功率小,则判断为异常数据集,具体表示详见前述公式2。清洗后的总体数据集包
括整场风速、整场功率和该样本所属的数据类型,其中分别表示异常数据
集,正常数据集,则表示如下:
在一个实施例中,第三清洗步骤的后一步骤还包括:
在一个实施例中,第一修正步骤的后一步骤还包括:
其中,为第个时刻的整场风速,为下的直线拟合整场功率,,,为第个时刻的整场功率,为额定功率,为额定风速,为切出风速,表示单位为的风速,为修正数据集中风
速所对应的最小风功率,为修正数据集中正常数据集中的最大风速。具体
地,采用直线方程对第三区间中,的数据集进行最后一次清洗,主要取
两个点建立有关风速-风功率直线方程,将整场功率小于的值判断为异常
值,并赋值为;
另一种实施例:一种风功率数据清洗装置,包括:
数据获取模块,用于获取历史实测风速数据和实测风功率数据,生成原始风速-风功率数据样本;
第一数据清洗模块,用于利用公式1对原始风速-风功率数据样本进行数据清洗,得出第一清洗数据集:
在一个实施例中,该装置还包括:
以及
在一个实施例中,该装置还包括:
又一种实施例:一种风功率预测方法,包括:
预测数据获取步骤:获取待预测时段的风速预测数据;
预测功率输出步骤:将获取到的风速预测数据作为预先训练的风功率预测模型的输入,得到风功率预测模型输出的功率预测数据;
其中,所述预先训练的风功率预测模型采用所述第一训练样本进行模型训练。
一种风功率预测方法,包括:
预测数据获取步骤:获取待预测时段的风速预测数据;
预测功率输出步骤:将获取到的风速预测数据作为预先训练的风功率预测模型的输入,得到风功率预测模型输出的功率预测数据;
其中,所述预先训练的风功率预测模型采用所述第二训练样本进行模型训练。
一种风功率预测方法,包括:
预测数据获取步骤:获取待预测时段的风速预测数据;
预测功率输出步骤:将获取到的风速预测数据作为预先训练的风功率预测模型的输入,得到风功率预测模型输出的功率预测数据;
其中,所述预先训练的风功率预测模型采用所述第三训练样本进行模型训练。
本发明方法适用性和效率较高,同时可结合每个风电场的风功率曲线特性进行批量清洗,并且具有较好的清洗效果。
具体实施例,下面对某个风电场功率数据进行清洗,作为本发明的优选实例讲解:
某风电场总装机容量(额定功率)为50MW,安装了25台MY2.0风机,MY2.0风机的切入风速为3m/s,额定风速为10.4m/s,切出风速为25m/s。
本实例主要对该风电场2021年全年15分钟为时间分辨率的风功率数据进行清洗,功率以W为单位,风速以m/s为单位,从图1可见该风速-风功率曲线存在许多因限功率等不利因素影响采集到的异常数据,接下来按照上述的步骤对风功率数据进行清洗。
步骤二:总体数据清洗
(5)通过上述筛选后,我们可以筛选出大部分的异常值,可见图2总体数据清洗后的风速-风功率曲线图,大部分的异常数据已经被筛选出来了。
步骤三:风功率数据异常值修正处理,规则如下:
该风场根据本发明方法进行异常数据清洗后的效果可见图3数据清洗后的风速-风功率曲线图,即包括前述中所述一种风功率预测方法所提及的第二训练样本或第三训练样本,从而可看出本发明方法具有较好的数据清洗效果。
综上所述可知本发明乃具有以上所述的优良特性,得以令其在使用上,增进以往技术中所未有的效能而具有实用性,成为一极具实用价值的产品。
以上内容仅为本发明的较佳实施例,对于本领域的普通技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,本说明书内容不应理解为对本发明的限制。
Claims (8)
1.一种风功率数据清洗方法,其特征在于,包括如下步骤:
数据获取步骤:获取历史实测风速数据和实测风功率数据,生成原始风速-风功率数据样本;以及
第一清洗步骤:利用公式1对原始风速-风功率数据样本进行数据清洗,得出第一清洗数据集:
以及
4.一种风功率数据清洗装置,其特征在于,包括:
数据获取模块,用于获取历史实测风速数据和实测风功率数据,生成原始风速-风功率数据样本;以及
第一数据清洗模块,用于利用公式1对原始风速-风功率数据样本进行数据清洗,得出第一清洗数据集:
以及
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210895422.4A CN114969017B (zh) | 2022-07-28 | 2022-07-28 | 风功率数据清洗方法、清洗装置及预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210895422.4A CN114969017B (zh) | 2022-07-28 | 2022-07-28 | 风功率数据清洗方法、清洗装置及预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114969017A CN114969017A (zh) | 2022-08-30 |
CN114969017B true CN114969017B (zh) | 2022-11-11 |
Family
ID=82969001
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210895422.4A Active CN114969017B (zh) | 2022-07-28 | 2022-07-28 | 风功率数据清洗方法、清洗装置及预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114969017B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111178397A (zh) * | 2019-12-13 | 2020-05-19 | 南京松数科技有限公司 | 基于风力曲线图像的异常数据检测与清洗方法 |
CN112240267A (zh) * | 2019-07-17 | 2021-01-19 | 成都信息工程大学 | 基于风速相关性与风功率曲线的风机监测方法 |
CN113236508A (zh) * | 2021-05-31 | 2021-08-10 | 浙江运达风电股份有限公司 | 一种用于风力发电机组风速-功率异常数据检测的方法 |
CN113931808A (zh) * | 2021-10-25 | 2022-01-14 | 中国华能集团清洁能源技术研究院有限公司 | 风电机组偏航误差的诊断方法及装置 |
CN114764741A (zh) * | 2021-01-15 | 2022-07-19 | 深圳光耀智微科技有限公司 | 一种风力发电机运行风功率预测的方法和系统 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108412710B (zh) * | 2018-01-30 | 2019-08-06 | 同济大学 | 一种风电机组风功率数据清洗方法 |
CN109002650A (zh) * | 2018-08-21 | 2018-12-14 | 同济大学 | 一种风电机组功率曲线建模方法 |
CN110795690A (zh) * | 2019-10-24 | 2020-02-14 | 大唐(赤峰)新能源有限公司 | 风电场运行异常数据检测方法 |
CN111209914A (zh) * | 2019-12-18 | 2020-05-29 | 中电投电力工程有限公司 | 一种异常风功率数据的剔除方法 |
CN112598539B (zh) * | 2020-12-28 | 2024-01-30 | 徐工汉云技术股份有限公司 | 一种风力发电机组风功率曲线优化计算及异常值检测方法 |
CN114020729A (zh) * | 2021-10-21 | 2022-02-08 | 明阳智慧能源集团股份公司 | 一种基于风机功率曲线的风电场功率数据清洗方法 |
CN113988398A (zh) * | 2021-10-22 | 2022-01-28 | 华北电力大学 | 一种风电机组功率预测方法、装置、电子设备和存储介质 |
-
2022
- 2022-07-28 CN CN202210895422.4A patent/CN114969017B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112240267A (zh) * | 2019-07-17 | 2021-01-19 | 成都信息工程大学 | 基于风速相关性与风功率曲线的风机监测方法 |
CN111178397A (zh) * | 2019-12-13 | 2020-05-19 | 南京松数科技有限公司 | 基于风力曲线图像的异常数据检测与清洗方法 |
CN114764741A (zh) * | 2021-01-15 | 2022-07-19 | 深圳光耀智微科技有限公司 | 一种风力发电机运行风功率预测的方法和系统 |
CN113236508A (zh) * | 2021-05-31 | 2021-08-10 | 浙江运达风电股份有限公司 | 一种用于风力发电机组风速-功率异常数据检测的方法 |
CN113931808A (zh) * | 2021-10-25 | 2022-01-14 | 中国华能集团清洁能源技术研究院有限公司 | 风电机组偏航误差的诊断方法及装置 |
Non-Patent Citations (2)
Title |
---|
基于参数关联性的电站参数异常点清洗方法;徐搏超;《电力系统自动化》;20201025(第20期);第213-220页 * |
基于风速-功率曲线模型风功率预报系统精度分析与改进;张磊;《应用能源技术》;20181125(第11期);第30-33+46页 * |
Also Published As
Publication number | Publication date |
---|---|
CN114969017A (zh) | 2022-08-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106779223B (zh) | 一种光伏系统发电功率实时预测方法及装置 | |
CN1837767A (zh) | 降级系统的健康参数或症状的估计 | |
CN108443088B (zh) | 一种基于累计概率分布的风电机组状态判定方法 | |
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 | |
CN110335168B (zh) | 基于gru优化用电信息采集终端故障预测模型的方法及系统 | |
CN108448625B (zh) | 一种基于数据驱动的风机切入风速计算方法 | |
CN111522808B (zh) | 一种风电机组异常运行数据处理方法 | |
CN114492675B (zh) | 一种电容式电压互感器故障原因智能诊断方法 | |
CN111080039B (zh) | 一种风机集群故障预测方法及系统 | |
CN112598207A (zh) | 一种基于多重清洗的风电机组运行功率曲线评估方法 | |
CN112032003A (zh) | 一种大型风电机组运行性能监测方法 | |
Scheibelhofer et al. | A methodology for predictive maintenance in semiconductor manufacturing | |
CN112862347A (zh) | 基于联邦学习的设备异常监测方法、系统、存储介质及终端 | |
CN115115090A (zh) | 一种基于改进lstm-cnn的风功率短期预测方法 | |
CN114548199A (zh) | 一种基于深度迁移网络的多传感器数据融合方法 | |
CN112597620A (zh) | 一种基于k-medoids算法的风电机组功率曲线建模方法 | |
CN114969017B (zh) | 风功率数据清洗方法、清洗装置及预测方法 | |
CN117290666A (zh) | 一种光伏异常功率数据清洗方法 | |
CN111209914A (zh) | 一种异常风功率数据的剔除方法 | |
CN114090559A (zh) | 一种光伏电站异常数据清洗的方法 | |
CN115408860A (zh) | 一种风电场风速-功率数据的异常值监测及修正方法 | |
CN113554203B (zh) | 基于高维网格化和LightGBM的风电预测方法及装置 | |
CN113946977A (zh) | 一种基于决策树算法预警风机变桨故障的应用方法 | |
CN110175705B (zh) | 一种负荷预测方法及包含该方法的存储器、系统 | |
CN117688497B (zh) | 基于后向轨迹模型的海上风电尾流干扰的数据处理方法 |
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 |