文献类型：期刊文章

作　　者：沈小军[1] 付雪姣[1] 周冲成[1] 王伟[2]

Shen Xiaojun;Fu Xuejiao;Zhou Chongcheng;Wang Wei(Department of Electrical Engineering Tongji University Shanghai 200092 China;Global Energy Internet Research Institute Beijing 102209 China)

机构地区：[1]同济大学电气工程系,上海200092 [2]全球能源互联网研究院,北京102209

出　　处：《电工技术学报》

基　　金：中央高校基本业务经费资助项目(0800219312)

年　　份：2018

卷　　号：33

期　　号：14

起止页码：3353-3361

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD2017_2018、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：风功率曲线是考核风电机组发电性能的重要指标,对风电场的运行管理和电力系统的运行调度都具有重要意义。实际运行过程的设备故障及人为控制因素会导致风速-功率曲线中存在大量的异常数据,给风功率曲线的后续应用带来严重影响。本文在分析风电机组风速-功率异常运行数据特征的基础上,根据空间分布位置和形态将异常数据分为曲线底部、中部、上部堆积型异常数据和曲线周围分散型异常数据等四类,提出了基于变点分组法与四分位法组合的异常数据识别清洗方法及流程,与四分位-变点分组法以及局部离群因子算法的对比算例验证结果表明,提出的变点分组-四分位法可有效识别四种类型的异常数据,流程合理,清洗效果好,效率高,并具有较强的通用性。

关 键 词：风电机组 风功率曲线  异常数据 数据清洗

分 类 号：TP274]