技术特征：
1.基于深度学习的新能源场站不良数据辨识与修正方法，其特征在于，包括：s100：获取新能源场站中辨识对象的历史运行数据和实时运行数据，在历史运行数据中标记出历史正常数据和历史不良数据；s200：建立辨识模型，根据历史正常数据对辨识模型进行深度学习训练；s300：建立修正模型，将历史不良数据输入修正模型和训练好的辨识模型中，结合辨识模型的输出对修正模型进行深度学习训练；s400：通过将实时运行数据输入训练好的辨识模型中，区分出实时运行数据中的实时正常数据和实时不良数据；s500：将实时不良数据输入训练好的修正模型中，得到实时不良数据的修正值。2.根据权利要求1所述的一种基于深度学习的新能源场站不良数据辨识与修正方法，其特征在于，所述辨识对象包括风力发电参数、光伏发电参数以及新能源场站中机组的装机容量和有功功率；其中，所述风力发电参数包括风速、温度、风向余弦值、湿度和压强；所述光伏发电参数包括辐照强度、辐照时长和组件面积。3.根据权利要求1所述的一种基于深度学习的新能源场站不良数据辨识与修正方法，其特征在于，所述方法还包括：在s200之前对历史运行数据和实时运行数据进行预处理，包括：识别历史运行数据中的缺失值，获取与缺失值属于同一类的历史运行数据，通过计算缺失值的同类均值得到缺失值的插补值，用所述插补值替代所述缺失值，所述插补值的计算公式为：其中，为插补值，a
i
为均值系数，当第i个输入的历史运行数据或实时运行数据s
i
缺失时为0，否则为1，m为同一类的历史运行数据或实时运行数据的数据总量。4.根据权利要求1所述的一种基于深度学习的新能源场站不良数据辨识与修正方法，其特征在于，所述s200包括：s210：将历史正常数据按照时序顺序分为训练数据和测试数据，初始化辨识模型的超参数；s220：将训练数据输入辨识模型中进行训练，通过辨识模型计算辨识对象在测试数据对应时序下的预测值；s230：计算辨识模型的收敛精度是否满足预设阈值，所述收敛精度的计算公式为：其中，a为收敛精度，n为预测值的总数量，x
fi
为第i个测试数据，x
i
为第i个预测值；s240：若收敛精度符合预设条件，则训练结束，否则，调整辨识模型的超参数，重复s220-s230直至收敛精度未超过预设条件。5.根据权利要求1所述的一种基于深度学习的新能源场站不良数据辨识与修正方法，
其特征在于，所述s300包括：s310：初始化辨识模型的超参数；s320：将历史不良数据经归一化处理后，输入训练好的辨识模型中，将辨识模型输出的对历史不良数据的预测值作为准确值；s330：将历史不良数据输入修正模型中进行训练，通过修正模型分析历史不良数据的特征，根据分析结果输出对历史不良数据的修正值；s340：分析修正值相对于准确值的误差程度以及误差分散程度，当分析结果符合预设条件时结束训练，否则，调整修正模型的超参数，重复s320-s330直至符合预设条件。6.根据权利要求5所述的一种基于深度学习的新能源场站不良数据辨识与修正方法，其特征在于，所述分析修正值相对于准确值的误差程度以及误差分散程度，包括：通过计算修正值相对于准确值的平均绝对误差，分析所述误差程度；通过计算修正值相对于准确值的均方根差，分析所述误差分散程度。7.根据权利要求1所述的一种基于深度学习的新能源场站不良数据辨识与修正方法，其特征在于，所述方法还包括：在执行s500的同时，选取预设比例的正常数据输入修正模型中，计算修正模型的输出值与正常数据的平均绝对误差和均方根误差；当平均绝对误差和均方根误差任一项不满足预设条件时，将执行s400时输入的实时运行数据作为训练数据，重新对辨识模型和修正模型进行训练。8.根据权利要求1所述的一种基于深度学习的新能源场站不良数据辨识与修正方法，其特征在于，所述辨识模型在输出层设有求解器，所述求解器为softmax函数。9.根据权利要求8所述的一种基于深度学习的新能源场站不良数据辨识与修正方法，其特征在于，所述求解器通过比较计算出的预测值与实际测量的实时运行数据的误差，输出实时不良数据的概率，根据所述概率输出识别出的实时不良数据以及实时不良数据所在的时序位置。
技术总结
本发明提出了一种基于深度学习的新能源场站不良数据辨识与修正方法，包括：获取新能源场站中辨识对象的历史运行数据，在历史运行数据中标记出历史正常数据和历史不良数据；建立辨识模型，根据历史正常数据对辨识模型进行深度学习训练；建立修正模型，将历史不良数据输入修正模型和训练好的辨识模型中，结合辨识模型的输出对修正模型进行深度学习训练；获取辨识对象的实时运行数据，通过将实时运行数据输入训练好的辨识模型中，区分出实时运行数据中的实时正常数据和实时不良数据；将实时不良数据输入训练好的修正模型中，得到实时不良数据的修正值。本发明可显著提高不良数据辨识和修正效率，保障新能源电站的实时安全稳定运行。行。行。
技术研发人员：陈文进 陈水耀 祁炜雯 张俊 朱峰 茹伟 范强 宋美雅 刘震 刘皓明
受保护的技术使用者：国网浙江省电力有限公司绍兴供电公司
技术研发日：2022.03.10
技术公布日：2022/7/1