基于混合模型的风电机组异常数据识别方法

摘要：

结合风电机组异常数据的分布特征,采用参数模型与非参数模型结合的算法对异常数据进行识别.首先,在水平功率方向将风电机组运行数据以一定间隔分层,采用非参数模型扩散核密度估计建立不同水平功率区间内运行数据的数字概率密度曲线.然后,采用参数模型混合威布尔分布拟合概率密度曲线,利用威布尔分布的模型参数来准确描述不同水平功率区间复杂异常数据整体分布特征.最后,采用平均置信区间法识别和剔除异常数据.以2台风电机组的复杂异常数据为实例进行验证,结果表明该方法能够克服单一参数模型或非参数模型的局限性,可实现对风电机组异常数据的有效识别.

关键词：风能发电、风电机组运行、异常数据识别、数据清洗、扩散核密度估计、混合威布尔分布

所属期刊栏目：38

分类号：TM614(发电、发电厂)

资助基金：国家自然科学基金62073136

在线出版日期：2022-08-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：41-49