金鑫城，杨秀媛

基于失真数据降噪的数据预处理方法及其在风电功率预测中的应用

金鑫城1，杨秀媛2

（1．国网北京亦庄供电公司，北京市 大兴区 100176；2．北京信息科技大学自动化学院，北京市 海淀区 102209）

提高风电数据精度对于建设泛在电力物联网具有重要意义。风电功率预测对历史风电数据集的要求较高，现研究多集中于通过建立不同预测模型或提出不同预测算法以提高风电功率预测准确性，对于风电功率历史数据集本身的噪声数据的处理关注并不多。为此，提出一种针对风电历史数据降噪的方法，该方法主要作用于数据集本身，通过清除历史风电数据中的失真数据，降低历史数据中无用数据的数量，在提高风电功率预测准确性的同时，尽可能缩短数据建模、预测的时间。

风电功率预测；数据降噪；数据集处理

0 引言

风电具有的随机性、波动性和反调峰性，使得高比例风电接入电网对电力系统的稳定性和可靠性造成很大的影响。

文献[1]提出一种基于数理统计算法的预测模型，并对算法进行了改进，有效提高了预测准确性；文献[2-3]通过建立神经网络学习模型对风电功率进行预测，取得了不错的精度；文献[4]在神经网络模型的基础上，提出了一种滚动式权值调整策略。上述预测方法当中包含了目前主流的数理统计方法、预测模型“学习-预测”方法，这2种主流方法都是建立在风电场历史数据的基础上，通过各自的方法来预测未来风电场的功率输出情况[5-10]。……