风电机组异常数据预处理的分类多模型算法

针对风电机组异常风速-功率数据的产生原因和分布特点进行分析,提出一种异常数据分类多模型算法。对不同类别异常数据建立弃风、4分位和模糊C均值数据处理模型,识别弃风产生数据、离群孤立点数据、偏差簇数据,并利用3次样条方法修正异常风速点。运用该方法对甘肃酒泉风电场和美国Wisconsin州Butler Ridge风电场历史数据进行数据预处理,采用RBF网络对处理前后的数据进行风速预测。预测结果表明,经过识别并剔除异常风电机组数据后风速预测精度可提高1%~3%,说明该方法有效剔除了风电场异常数据,对风电场风速预测有一定的应用价值。