-
题名一种改进LSOF的风电异常数据识别与清洗方法
- 1
-
-
作者
陈长青
卢钱杭
徐韵怡
甘周旺
雷兵
-
机构
湖南城市学院智慧城市能源感知与边缘计算省重点实验室
湖南电桥科技有限公司
-
出处
《湖南城市学院学报(自然科学版)》
CAS
2024年第3期57-62,共6页
-
基金
湖南省社会科学成果评审委员会课题(XSP2023GLZ013)
湖南省自科基金项目(2023JJ50341)
湖南省教育厅科研项目(23B0742)。
-
文摘
针对风速-功率历史运行数据的识别和处理存在识别准确度低、分析过程复杂和异常数据清洗效率低的问题,提出了一种改进无监督学习的聚类局部结构离群因子识别方法(LSOF)。首先,通过最近邻域树法对邻域进行测量,旨在解决传统局部离群因子识别性能低,且对邻域大小敏感的问题;其次,利用改进无监督学习的聚类局部结构离群因子识别方法分别对每个局部结构进行计算评分,并将评分最高的局部结构报告为异常局部结构,在此基础上,利用最近邻域树特征区分异常值和异常值组;最后,通过某实际风电场数据进行验证。研究结果表明,该方法在邻域范围内对异常值识别具有较高的精度和鲁棒性。
-
关键词
异常数据识别
局部离群因子
无监督学习
邻域树
-
Keywords
abnormal data identification
local outlier factor
unsupervised learning
neighborhood tree
-
分类号
TM712
[电气工程—电力系统及自动化]
-