风电机组异常数据预处理的分类多模型算法

• 作者: 吴布托 裴喜平 陈伟
• 来源期刊: 电力系统及其自动化学报
• 学科: 工学
• 关键词: 异常数据 数据预处理 4分位法 模糊C均值 风速预测 RBF神经网络
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 学术论文
• 页码范围: 137-143
• 页数: 7页
• 分类号: TM614
• 字数: 5073字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-8930.2018.04.022

摘要

针对风电机组异常风速-功率数据的产生原因和分布特点进行分析,提出一种异常数据分类多模型算法.对不同类别异常数据建立弃风、4分位和模糊C均值数据处理模型,识别弃风产生数据、离群孤立点数据、偏差簇数据,并利用3次样条方法修正异常风速点.运用该方法对甘肃酒泉风电场和美国Wisconsin州Butler Ridge风电场历史数据进行数据预处理,采用RBF网络对处理前后的数据进行风速预测.预测结果表明,经过识别并剔除异常风电机组数据后风速预测精度可提高1%~3%,说明该方法有效剔除了风电场异常数据,对风电场风速预测有一定的应用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈伟	兰州理工大学电气工程与信息工程学院	59	361	10.0	15.0
2	裴喜平	兰州理工大学电气工程与信息工程学院	30	171	9.0	11.0
3	吴布托	兰州理工大学电气工程与信息工程学院	3	7	2.0	2.0