法律状态公告日
法律状态信息
法律状态
2019-11-05
授权
授权
2017-11-24
实质审查的生效 IPC(主分类):G06F17/30 申请日:20170629
实质审查的生效
2017-10-24
公开
公开
技术领域
本发明涉及一种风速数据清洗方法,尤其是涉及一种用于风电机组风速相关性分析的风速数据清洗方法。
背景技术
随着风力发电的迅猛发展,风力发电的研究对于清洁能源建设和电网架构的完善具有重要意义,其中风电场运行数据的信息挖掘逐渐成为业内研究的热点。风电场运行过程中产生的风电数据量呈指数级增长,在庞大的数据库中蕴藏着各风电机组之间的内在联系。风电机组现场运行数据包括时间、风速、风向角、风电功率、桨距角、频率、发电机电压等机组主要参数。
在风电场实际运行过程中,由于风能的随机波动性、传感器故障、风电机组停机、风电场异常以及人为因素等情况,风电机组运行数据必定会存在一系列脏数据或者数据缺失等情况,不能真实有效地反映风电机组运行状态和各机组间的输入输出特性。在进行数据挖掘和分析之前,必须要对原始的粗糙风电数据进行预处理,即需要对风电数据进行清洗。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种用于风电机组风速相关性分析的风速数据清洗方法。
本发明的目的可以通过以下技术方案来实现:
一种用于风电机组风速相关性分析的风速数据清洗方法,用于多个风电机组风速相关性分析时各风电机组风速数据的清洗,该方法包括如下步骤:
(1)获取各风电机组原始风速时序数据和对应的发电输出功率时序数据;
(2)对发电输出功率时序数据根据设定的检索标记规则进行检索标记获取各风电机组的检索矩阵;
(3)对各风电机组检索矩阵进行综合修正得到修正检索矩阵;
(4)根据修正检索矩阵对各风电机组原始风速数据进行数据剔除得到各风电机组清洗后的风速时序数据。
步骤(2)中设定的检索标记规则为:
当发电输出功率大于0时,对应的检索标记值为1,当发电功率小于等于0时,对应的检索标记值为0。
步骤(2)具体为:
依次提取第i台风电机组的输出功率时序数据P=[p1i>2i ...>ji ...>mi]T中的第j个元素pji,根据设定的检索标记规则确定对应的检索标记值bji,进而得到第i台风电机组的检索矩阵Bi=[b1i>2i ...>ji ...>mi]T,其中pji表示第i台风电机组第j采样时刻的输出功率,bji表示第i台风电机组第j采样时刻的检索标记值,i=1,2……n,j=1,2……m,n表示待进行风速相关性分析的风电机组的总台数,m为采样时刻总个数。
步骤(3)具体为:
对于所有风电机组的检索矩阵Bi,i=1,2……n,采用如下运算得到修正检索矩阵B:
其中,П表示求积运算,bj表示第j采样时刻的检索标记修正值,j=1,2……m。
步骤(4)具体为:
(41)获取修正检索矩阵B中检索标记修正值为0的采样时刻;
(42)分别将各风电机组原始风速时序数据中对应于步骤(41)中的采样时刻的风速数据剔除;
(43)将采样时刻增大方向定义为采样时刻轴负方向,对于每个风电机组将步骤(42)进行风速数据剔除后的剩余的风速数据沿采样时刻轴负方向平移并补齐得到清洗后的风速时序数据。
与现有技术相比,本发明具有如下优点:
(1)本发明利用发电输出功率作为标记异常的依据,采用0和1标记的方式确定各风电机组的检索矩阵,同时为了对多个风电机组风速相关性分析,对检索矩阵进行修正进行得到综合所有风电机组的修正检索矩阵,利用该修正检索矩阵进行风速数据的清洗,避免了非公平前提下进行数据分析,剔除出错和异常的风速数据,选取机组连续正常的运行数据作为研究样本,保证了后续风电机组风速相关性分析结果的正确性和有效性;
(2)本发明方法简单易行,便于实现。
附图说明
图1为本发明用于风电机组风速相关性分析的风速数据清洗方法的流程框图;
图2为本实施例中2台风电机组原始风速时序数据分布图;
图3为本实施例中2台风电机组清洗后的风速时序数据分布图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。
实施例
如图1所示,一种用于风电机组风速相关性分析的风速数据清洗方法,用于多个风电机组风速相关性分析时各风电机组风速数据的清洗,该方法包括如下步骤:
(1)获取各风电机组原始风速时序数据和对应的发电输出功率时序数据;
(2)对发电输出功率时序数据根据设定的检索标记规则进行检索标记获取各风电机组的检索矩阵;
(3)对各风电机组检索矩阵进行综合修正得到修正检索矩阵;
(4)根据修正检索矩阵对各风电机组原始风速数据进行数据剔除得到各风电机组清洗后的风速时序数据。
依据风电机组工作原理和风电场运维规程可知,当风电机组的输入风速较小(或较大)时,风电机组未达到切入风速(或达到切出风速),风电机组发电输出功率为零;风电机组出现故障或者按照检修计划停机时,输出功率也为零;而当风电机组处于发电工作状态时,其输出电功率大于零。研究者认为正常发电状态下的风电机组的风速相关性统计分析对于风电场集群控制、降低并网风电功率对电网安全稳定具有实际的工程价值。因此,步骤(2)中设定的检索标记规则为:
当发电输出功率大于0时,对应的检索标记值为1,当发电功率小于等于0时,对应的检索标记值为0。
步骤(2)具体为:
依次提取第i台风电机组的输出功率时序数据P=[p1i>2i ...>ji ...>mi]T中的第j个元素pji,根据设定的检索标记规则确定对应的检索标记值bji,进而得到第i台风电机组的检索矩阵Bi=[b1i>2i ...>ji ...>mi]T,其中pji表示第i台风电机组第j采样时刻的输出功率,bji表示第i台风电机组第j采样时刻的检索标记值,i=1,2……n,j=1,2……m,n表示待进行风速相关性分析的风电机组的总台数,m为采样时刻总个数。
步骤(3)具体为:
对于所有风电机组的检索矩阵Bi,i=1,2……n,采用如下运算得到修正检索矩阵B:
其中,П表示求积运算,bj表示第j采样时刻的检索标记修正值,j=1,2……m。
步骤(4)具体为:
(41)获取修正检索矩阵B中检索标记修正值为0的采样时刻;
(42)分别将各风电机组原始风速时序数据中对应于步骤(41)中的采样时刻的风速数据剔除;
(43)将采样时刻增大方向定义为采样时刻轴负方向,对于每个风电机组将步骤(42)进行风速数据剔除后的剩余的风速数据沿采样时刻轴负方向平移并补齐得到清洗后的风速时序数据。
上述步骤(42)实现了数据的清洗,步骤(43)实现了清洗后的数据在时间轴上的对齐整定,对于上述步骤(43)可以简单理解为:例如原始风速时序数据包括10个采样点的风速数据,修正检索矩阵B=[1,1,1,0,0,1,0,1,1,1]T,则步骤(42)将第4、5和7三个采样时刻的风速数据剔除后,将原来第6、8、9和10采样时刻的风速数据沿时间轴向前平移并依次作为第4~7采样时刻的风速数据,从而实现所述的补齐。
本实施例以张北风电基地某风电场T32和T33风电机组的实际运行数据为样本进行分析。建设资料表明T32和T33两台风电机组均为SE8215-L3/1500kW型风电机组,切入/切出风速分别为3m/s、25m/s;地理上T32和T33位于相同纬度,T32机组位于T33机组上游,两机组间直线距离为700m。
图2为T32和T33风电机组2013年6月份运行的1000数据样本点清洗前的原始风速时序数据分布图,图3为对图2中数据进行清洗后的时序数据分布图。原始数据分析结果发现,产生清洗整定后的风速相关系数优于清洗前风速相关系数的主要原因在于低风速区风电机组未投入运行,风速记录准确性不如中高速。
对比图2和图3可知,采用本发明的数据清洗方法进行清洗后,风速低于3m/s的样本点被清洗剔除了,并且对于粗糙风速时间序列中被置零的采样点,通过时间对齐避免了对数据相关性统计分析的人为因素干扰。可本发明构建的风速序列清洗方法和流程是有效性的,可为统计分析提供客观、准确的基础数据。
机译: 用于校正风向和风速的系统,用于提示风向和风速的系统,用于校正风向和风速的方法,用于指示风向和风速的方法以及程序
机译: 一种用于确定风速仪激光多普勒中的多普勒信号的方法和用于实现此目的的风速仪激光多普勒。
机译: 一种用于产生风速的设备,特别是用于采矿业中的燃烧的风速。