刘洪波,盖雪扬,孙 黎,马成廉,刘珅诚

(现代电力系统仿真控制与绿色电能新技术教育部重点实验室(东北电力大学),吉林 吉林 132012)

0 引 言

风电作为一种清洁能源,在近些年来飞速发展。因为风电功率具有随机性强的特点,所以会导致在大规模风电并网的情况下电力系统不确定性的增加[1-2]。为了更好的实现风电并网,提高大规模风电并网的稳定性及可控性,风电实现高精度功率预测成为了一个重要的研究方向[3-4]。同时随着风电大数据(风电机组数据、天气数据等)互通程度的增加,导致风电数据种类愈发复杂,需要识别出与风电功率强相关的维度对风电功率进行有效的预测。

然而,因为数据在采集、传输过程中存在的问题导致风速的测量值或风电功率的测量值发生偏差,或者因为风电场检修、弃风限电等事件的发生导致风速和风电功率之间的对应关系出现偏差,进而影响风电功率数据预测精度。在此背景下,采用合理的风电功率数据清洗方法显得尤为重要[5]。文献[6]提出了最优组内方差清洗算法对机组的异常状态进行检测,对风电功率进行清洗,该方法只针对风速和风电功率两个维度的数据,降低了在数据异常清洗中对数据维度的要求。文献[7]提出了风速、风轮转速和功率三维关联性关系,以风速为依据对相关变量进行异常识别并结合置信等效边界模型完成对异常数据的清洗工作,之后采用三次Hermite插值对缺失的数据进行重构,得到清洗后完整的风速,风电功率序列。……