基于孤立森林和标准差检测法的风电功率异常数据清洗

摘要：

在风电功率预测中,风速到风电功率的转换是关键步骤,风功率曲线建模和机器学习等技术都需要高质量的风电功率数据,而风电机组实际运行过程中由于多种因素会导致风功率曲线中出现大量的异常数据.首先分析了河南省洛阳市虎头山风电场风电机组历史运行异常数据分布特征,提出了结合孤立森林(iForest)算法与标准差(σ)检测法的技术对异常数据进行识别,并对比了iForest-σ和σ-iForest两种次序组合方式在异常数据识别过程中的异常数据清洗时间、删除率、准确率.结果表明,iForest-σ和σ-iForest方法都能够有效识别异常数据,iForest-σ方法相对数据删除率低且精度高.上述方法清洗效果好,效率高且不依赖于正常数据进行非监督训练,同时适用于其他研究场景的异常数据清洗工作,具有较强的通用性.

关键词：风功率数据、异常数据识别、孤立森林算法、标准差检测法

所属期刊栏目：41

分类号：TP274.5(自动化技术及设备)

资助基金：中国气象局/河南省农业气象保障与应用技术重点开放实验室开放研究基金;中国气象局/河南省农业气象保障与应用技术重点开放实验室开放研究基金;国家自然科学基金

在线出版日期：2023-04-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：313-320