基于加权kNN距离的风电场异常数据辨识方法
专利类型：发明专利
语 言：中文
申 请 号：CN201710809929.2
申 请 日：20170911
申 请 人：重庆大学国网重庆市电力公司电力科学研究院国家电网公司
申请人地址：400044 重庆市沙坪坝区沙坪坝正街174号
公 开 日：20180316
公 开 号：CN107808209A
代 理 人：余锦曦
代理机构：重庆为信知识产权代理事务所(普通合伙) 50216
摘 要：本发明涉及一种基于加权kNN距离的风电场异常数据辨识方法，其特征在于按以下步骤进行：步骤1、步骤2、步骤3、步骤4、步骤5。本发明提出了一种基于灵敏度分析的模型参数最优确定方法，该方法不需要预先利用正常数据样本进行训练，可以对处于正常值范围内的异常数据进行辨识，从而提高风电场输出功率的预测精确度，缩短预测时间，实现风电场输出功率的可靠控制。
主 权 项：一种基于加权kNN距离的风电场异常数据辨识方法，其特征在于按以下步骤进行：步骤1：对风电场历史运行数据进行丢失数据与停运数据辨识，删除丢失数据与停运数据，得到数据集W_S；步骤2：计算步骤1中数据集W_S的分布标准差；步骤3：建立带未知参数k、离群点数量参数n的基于加权kNN的离群点辨识模型；步骤4：采用基于灵敏度分析的参数确定方法，计算基于加权kNN的离群点辨识模型的未知参数k、n，得到基于加权kNN的离群点辨识模型；步骤5：对风电场历史运行数据进行异常数据辨识并从剔除，得到风电场历史正常运行数据，并将该风电场历史正常运行数据输入到风电场功率预估系统，对下一时段风电场功率进行预估，实现输出功率平稳控制。
关 键 词：加权 kNN距离;灵敏度;预测;风电场输出功率;样本;数据辨识方法;正常值;分析;需要;提高;训练;实现;缩短;处于;控制;进行;可靠;涉及;确定;
法律状态：
IPC专利分类号：G06Q10/04(2012.01)I,G06Q10/06(2012.01)I,G06Q50/06(2012.01)I,G06N3/04(2006.01)I