微信掃描二維碼,即可將本頁(yè)分享到“朋友圈”中。

風(fēng)電機(jī)組異常數(shù)據(jù)智能識(shí)別方法
2015-10-28
瀏覽數(shù):6278
摘要:從風(fēng)電場(chǎng)收集到的大量數(shù)據(jù)中通常包含異常數(shù)據(jù),這樣的異常數(shù)據(jù)給風(fēng)電功率波動(dòng)特性、風(fēng)電功率預(yù)測(cè)等方面研究帶來(lái)負(fù)面影
風(fēng)電機(jī)組異常數(shù)據(jù)智能識(shí)別方法

- 文件類(lèi)型
- PDF文檔
- 文件大小
- 871.59K
- 更新日期
- 2015-10-28
- 瀏覽次數(shù)
- 6278
- 下載次數(shù)
- 192
- 下載地址
-
摘要:從風(fēng)電場(chǎng)收集到的大量數(shù)據(jù)中通常包含異常數(shù)據(jù),這樣的異常數(shù)據(jù)給風(fēng)電功率波動(dòng)特性、風(fēng)電功率預(yù)測(cè)等方面研究帶來(lái)負(fù)面影響,影響著預(yù)測(cè)的精度。本文分析了風(fēng)機(jī)SCADA系統(tǒng)的風(fēng)速功率曲線中異常數(shù)據(jù)的來(lái)源以及產(chǎn)生機(jī)理,并采用三種不同的算法分三個(gè)步驟對(duì)異常數(shù)據(jù)進(jìn)行自動(dòng)識(shí)別,從而為后續(xù)研究提供有效的數(shù)據(jù)集。規(guī)模化測(cè)試結(jié)果表明,該系列算法識(shí)別異常數(shù)據(jù)的準(zhǔn)確率在94.6%,初步符合服務(wù)現(xiàn)場(chǎng)風(fēng)電場(chǎng)數(shù)據(jù)分析的要求。