胡 阳, 乔依林

(华北电力大学控制与计算机工程学院, 北京市 102206)

0 引言

随着大数据时代到来,面对风电运行管理维护的巨大挑战[1],国内专家学者纷纷聚焦风电大数据,但因弃风限电现象严峻,可靠完整风电数据获取困难,在风电特性建模、风功率预测等研究工作中[2-3],势必会降低建模、预测等应用的准确度。因此,有必要通过技术手段清洗风机历史运行数据,以得到有效、完整的风功率数据。这对提高风电场理论功率恢复的可靠性、合理评价风电场及集群运行的安全性和经济性等相关研究工作具有重大意义[4]。

异常数据主要表现为超出机组安全运行边界或违背机组正常运行特性,其主要来源包括异常天气引发风轮气动特性改变、风机关键设备故障维修以及弃风限电造成风机停机或限负荷运行等。在此背景下异常数据清洗主要存在3种方法:①根据风机运行特性进行简单识别和剔除;②根据异常数据特征选择合适的识别剔除方法;③建立非线性风功率曲线模型识别剔除异常数据。文献[5]基于出厂功率曲线,采用组内方差清洗算法识别剔除异常数据,与现场实际结合不紧密,处理结果存在较大误差;文献[6-7]分析了传统统计学和新兴不确定理论在电力系统中的应用及意义,系统阐述了不确定理论体系的基本概念及其关系,指明电力系统分析中引入不确定理论的必要性,给出其应用性能评估指标。缺失数据重构重点是建立……