基于深层玻尔兹曼机的风电场异常风速值自适应检测预处理方法

• 作者: 吴布托 林洁 陈伟
• 来源期刊: 电工技术学报
• 学科: 工学
• 关键词: 异常值检测 风速序列 深层玻尔兹曼机 经验模态分解 隐马尔科夫模型
• 年，卷（期）: 2018,（z1）
• 所属期刊栏目: 电力系统及其自动化
• 页码范围: 205-212
• 页数: 8页
• 分类号: TM614
• 字数: 6293字
• 语种: 中文
• DOI: 10.19595/j.cnki.1000-6753.tces.180561

摘要

为提高现有风电场数据采集系统的准确性和可利用性,提出了深层玻尔兹曼机(DBM)、经验模态分解(EMD)和隐马尔科夫(HMM)组合算法处理运行数据含有少量异常风速值的自适应检测方法.针对风速序列的随机多变性,采用DBM预测方法挖掘异常风速值的潜在特征,得到反映风速值异常情况的残差序列;进一步提高检测精度和降低系统误差的干扰,采用EMD方法捕获残差序列中粗大误差的特征;借助HMM算法的双重随机过程自适应地并剔除检测异常风速点,避免了传统阈值检测方法难以准确识别异常值的问题;最后,为了得到完整的风速序列,对检测出的异常点运用加权双向ARMA算法修正数据.RBF预测结果验证表明,经预处理后风速质量得到了提高,所提方法与传统小波异常值检测方法相比具有更精确的辨识能力,进一步提高了短期风速的预测精度.

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	林洁	兰州理工大学电气工程与信息工程学院	14	49	4.0	6.0
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