杨天玥，赵丽军，徐健，厉伟，张国军

(1.沈阳工业大学电气工程学院，辽宁 沈阳 110870；2.华能辽宁清洁能源有限责任公司，辽宁 沈阳 110015)

1 引言

风电机组的功率曲线是风电机组控制系统设计的重要依据，也是评估风电机组性能及发电能力的重要指标[1-2]。在风电机组控制系统中，功率曲线直接影响控制策略以及控制过程中参数的调整。因此，功率曲线异常识别是十分有必要的。

风电机组功率曲线异常识别及故障诊断是当前的研究热点，国内外学者已开展相关工作并取得了一定的研究成果，其中风电机组功率曲线数据识别的代表性成果有:文献[3]通过采用分组最优方差算法成功识别出功率曲线下方堆积型异常数据，但该算法无法识别功率曲线上方堆积型异常数据；文献[4]基于Copula函数建立概率功率曲线模型，基于SCADA数据对风电机组进行故障诊断，模型可以对风电机组叶片、偏航系统及变桨系统进行早期故障预测，但输入变量只有风速，无法准确描述风电机组整体运行情况；文献[5]通过建立功率曲线的非线性模型来识别异常数据，但是需要大量的正常数据作为样本，否则会使模型误差变大，这将导致异常数据识别速度变慢；文献[6]假设风速、功率的概率密度函数服从正态分布，提出了基于3δ法则的异常数据识别与清洗方法，但该方法与实际风电机组运行中风速功率的概率密度函数不符，其适应性及异常数据识别效果欠佳；文献[7]通过加权最小二乘支持向量机回归模型建立的功率曲线模型检测风电机组的异常运行，利用在线监测不断更新模型并剔除异常点，结果表明该模型准确性高于其他模型。……