电工电能新技术

作者：封焯文1， 朱世平1， 赵志华1， 孙铭仁2， 董密2， 宋冬然2

单位：1. 中国能源建设集团湖南省电力设计院有限公司， 湖南 长沙 410007；
\r\n2.中南大学自动化学院， 湖南 长沙 410083

关键词：风功率数据, 异常值特点, 数据清洗, 孤立森林

基金：湖南省战略性新兴产业-科技攻关与重大科技成果转化项目（2018GK4002）

风电机组风功率预测和功率曲线建模等工作的开展依赖于历史运行数据。然而，历史数据中积累了大量的异常数据，导致上述工作难以有效开展。国内外学者已经提出了多种异常数据检测方法，然而对不同方法的优缺点与适用场合还缺少整体认识。为此，本文对基于密度的聚类算法、局部离群因子算法、Thompson-tau四分位法和孤立森林四种常用的风功率异常值检测方法进行了对比研究。为评价不同检测方法，提出了基于标准功率曲线的评价指标。实验结果表明，孤立森林算法相比其他三种方法具有更高的精度，能应对不同分布的异常数据，且清洗时间较短。

来源：2021年第7期

《电工电能新技术》期刊编辑部

查看电工电能新技术杂志2021年第7期