r>[0035] 人为弃风导致的异常数据点特征与类型3 -致。实际上，大多数类型3的异常数 据点均为人为弃风导致。在极端条件下，当风电场均被弃风时，类型3的异常数据点将收敛 于类型1异常数据点。
[0036] 步骤S30,为识别S20中的四种类型的异常数据点，建立对应不同类型异常数据点 的识别判据。
[0037] 提出识别判据如表1所示：
[0038] 表1异常数据点识别判据
LlN 丄Λ 、" ^ 0/O JA
[0041] 表1中，Mi)和何?)分别表示时刻t风电场的输出功率和风速实测值；Λ⑴，A；⑴ 分别表示时刻t风电场等效功率曲线的下边界和上边界；e为允许误差；n2, n3,114分别为类 型2~4的异常数据点持续时段数；S3为类型3异常数据点的风速限制。由于类型3通常 由弃风控制导致，认为其通常在风速较大时段发生。所述各参数可以通过参数灵敏度分析 确定。
[0042]当风电场历史功率数据点位于等效功率曲线外，并且满足上述四种异常数据点特 征之一时，将该数据点识别为相应类型的异常数据点。
[0043] 本发明提供的风电功率异常数据点的识别方法，以风电场等效功率曲线与典型异 常点数据特征为基础，识别准确率高，为后续风电建模研究提供可靠数据源。
[0044]另外，本领域技术人员还可在本发明精神内作其它变化，当然这些依据本发明精 神所作的变化，都应包含在本发明所要求保护的范围内。
【主权项】
1. 一种风电功率异常数据点的识别方法，包括以下步骤： 步骤10,根据风速为不同取值时等效功率曲线上下边界的取值，得到风电场等效功率 曲线； 步骤20,由通信故障、人为弃风和风力机脱网三种常见事件导致四种典型异常数据点 类型1，类型2,类型3及类型4,归纳总结出这四种典型异常数据点的特征；以及 步骤30,建立对应不同类型异常数据点的识别判据，以识别四种类型的异常数据点：其中，>(/)和何〇分别表示时刻t风电场的输出功率和风速实测值；九⑷，沅⑷分别 表示t时刻风电场等效功率曲线的下边界和上边界；e为允许误差；n2,n3,n4分别为类型 2~4的异常数据点持续时段数；S3为类型3异常数据点的风速限制。2. 如权利要求1所述的风电功率异常数据点的识别方法，其特征在于，风电场等效功 率曲线通过以下方式获得：建立在一定风速取值条件下，输出功率的条件概率分布模型，对 应二元随机变量的条件概率分布建模。3. 如权利要求2所述的风电功率异常数据点的识别方法，其特征在于，采用Copula方 法建立条件概率分布： 设V，P分别为风速和功率随机变量，Fp (p)，Fv (V)分别为其累积概率分布函数，C为描 述V，P相关性的Copula函数，在风速累积概率分布取值条件下，风电场输出功率累积概率 分布取值的条件概率分布函数C(FP (p) |Fv(V))通过如下方法获得： 步骤SI1，采用经验分布分别建模Fp (p)，Fv (V); 步骤S12,基于实际量测数据选取合适的Copula函数，并采用两阶段最大似然估计法 拟合参数。4. 如权利要求3所述的风电功率异常数据点的识别方法，其特征在于，设等效功率曲 线的置信概率为1-0，在确定输出功率置信区间上下界时采用非对称概率区间；当置信概 率为0时，设置信区间不对称系数为K，则置信区间上下界的分位概率P1, 02取值分别 表示为： 0 1= K 0， P2= 1-(1-K) {3, P1,P2分别表示当数据点位于置信区间外的概率为0时，其取值低于下边界的概率 为P1，取值高于上边界的概率为1-02。5. 如权利要求4所述的风电功率异常数据点的识别方法，其特征在于，当风电场量测 风速取值r峠已知时，设条件概率分布￡伊樹的^和P2分位点分别为Pl，p2， Pl，P2分别对应输出功率累积概率分布的取值，分别对Pi，P2求逆，得到在风速取值为〖条件 下，等效功率曲线上下边界取值： 下边界九=V1(A), 上边界Id=1V1 :(?.)， 变化风电场风速取值，分别按照上式计算相应取值对应的功率输出边界，得到风电场 等效功率曲线。6. 如权利要求1所述的风电功率异常数据点的识别方法，其特征在于，通信故障导致 的异常数据点的类型及特征为： 由通信故障导致的风电功率异常数据点包括三种类型，类型1、类型2及类型3 ;类型 1，特征为当风电场风速高于切入风速时，其输出功率连续取值为〇 ;类型2,特征为风电场 输出功率取值保持故障前功率值，在连续的1!2个时段内输出功率取值均高于等效功率曲线 上界，并且当风速变化时功率取值保持不变；类型3,特征为风电场输出功率取值保持故障 前功率值，在连续的n3个时段内输出功率取值均低于等效功率曲线下界，并且当风速变化 时功率取值保持不变。7. 如权利要求1所述的风电功率异常数据点的识别方法，其特征在于，通信故障导致 的异常数据点的类型及特征为： 由风力机脱网导致的类型4,特征为异常数据点在n4个时段内取值均低于等效功率曲 线下界，并且当风速变化时功率取值也相应变化；在极端条件下，当脱网风力机个数h等于 整个风电场内风电机组个数时，类型4的异常数据点将收敛于类型1异常数据点。8.如权利要求1所述的风电功率异常数据点的识别方法，其特征在于，人为弃风导致 的异常数据点的类型与特征为： 人为弃风导致的异常数据点特征与类型3 -致；在极端条件下，当风电场均被弃风时， 类型3的异常数据点将收敛于类型1异常数据点。
【专利摘要】本发明涉及一种风电功率异常数据点的识别方法，包括以下步骤：步骤10，根据风速为不同取值时等效功率曲线上下边界的取值，得到风电场等效功率曲线；步骤20，由通信故障、人为弃风和风力机脱网三种常见事件导致四种典型异常数据点类型1，类型2，类型3及类型4，归纳总结出这四种典型异常数据点的特征；以及步骤30，建立对应不同类型异常数据点的识别判据，以识别四种类型的异常数据点。
【IPC分类】F03D7/00, G06F19/00
【公开号】CN105134484
【申请号】CN201510451036
【发明人】鲁宗相, 乔颖, 叶希, 王尤嘉
【申请人】国家电网公司, 江苏省电力公司, 清华大学
【公开日】2015年12月9日
【申请日】2015年7月28日