高斯混合模型风电机组异常数据识别方法研究 |
| |
引用本文: | 肖碧涛,赖晓路,郭鹏,王桂松.高斯混合模型风电机组异常数据识别方法研究[J].可再生能源,2023(8):1051-1056. |
| |
作者姓名: | 肖碧涛 赖晓路 郭鹏 王桂松 |
| |
作者单位: | 1. 国电南京自动化股份有限公司;2. 华北电力大学控制与计算机工程学院 |
| |
基金项目: | 国家自然科学基金面上项目(51677067); |
| |
摘 要: | 风电机组原始运行数据中存在大量异常数据,对异常数据进行识别和剔除是后续准确预测风电机组出力及评价发电性能的基础。文章分析了风电机组运行数据功率散点在风速-功率坐标系中的分布特征,提出了基于贝叶斯信息准则(BIC)的高斯混合模型异常数据识别方法。沿水平功率方向以一定间隔划分多个水平功率区间,采用高斯混合模型对落在每一水平功率区间内的功率散点进行聚类,并引入BIC准则自适应确定模型的高斯分量个数。结合功率散点分布特征先验经验,对每一水平功率区间内的多个高斯分量置信椭圆及其聚类功率散点进行异常标识。以风电机组实际运行数据为例,验证了高斯混合模型异常数据识别方法的有效性。
|
关 键 词: | 风电机组 异常数据识别 高斯混合模型 BIC准则 |
|
|