基于QM-DBSCAN的风力机数据清洗方法

针对风电场风速-功率异常数据难以清洗的问题,提出一种基于QM-DBSCAN算法的风电场数据清洗方法.首先选取最能代表风力机运行状况的风速-功率数据作为研究对象,根据异常数据的分布特征进行分类;然后分别利用四分位法、标准DBSCAN算法及基于QM-DBSCAN方法识别和剔除异常数;最后通过spearman系数进一步验证所提方法的有效性.研究结果表明:QM-DBSCAN方法的剔除效果最好,较四分位法和标准DBSCAN法的spearman系数分别提高0.003 5和0.004 7.     

风电场功率曲线异常数据的清洗与建模

风电场风速功率数据中通常包含大量异常数据,难以反映风机的真实工作情况,影响风电功率预测的准确性,进而造成一定的经济损失.针对该问题,分析异常数据的特征,提出滑差-四分位异常数据剔除方法,并利用高次多项式和Logistic函数对剔除后的数据进行风速-功率曲线建模,最后用和方差、均方根误差和确定系数验证该方法的适用性和有效性.实例分析表明,该方法简单高效、通用性强,可显著提高风电机组功率特性分析的准确度.     

基于距离的异常成绩检测方法

数据质量对于学生成绩具有十分重要的意义.本文将教育学原理与数据清洗技术相结合,提出了基于距离的异常成绩检测方法.在理论上论证了方法的合理性,并通过实验验证了方法的有效性.本文的工作不仅对于提高成绩管理系统的运行质量有直接的作用,而且为将数据质量研究应用于教育信息化领域提供了很好的开端.     

基于分布特征的异常成绩检测方法

数据质量对于学生成绩具有十分重要的意义.本文将教育学原理与数据清洗技术相结合,提出了一种基于分布特征的异常成绩检测方法.在理论上论证了方法的合理性,并通过实验验证了方法的有效性.本文的工作不仅对于提高成绩管理系统的运行质量有直接的作用,而且为将数据质量研究应用于教育信息化领域提供了很好的开端.     

数据清洗技术研究

概括介绍了各种文献中对数据清洗技术-的描述和定义，并简要介绍了几种能自动识别数据集中潜在错误的异常检测的方法，给出了在现实数据集中进行实验的结果，讨论了数据清洗问题未来的研究方向。     

基于柔性传动链的风力机功率控制

针对风力机变桨系统特性,研究功率控制策略。首先分析风力机能量转换理论,确定影响功率输出的重要因素;再建立变桨系统闭环传递函数模型;以低速轴和高速轴为纽带,考虑柔性,建立柔性传动链系统模型。由于作用在风轮上的风速难于准确实时测量,以最小二乘支持向量机方法对风速进行预测,然后采用变论域模糊方法实现变桨过程中的功率控制,提高系统的自适应能力。仿真验证了所提方法的适用性和有效性。     

基于孤立森林和标准差检测法的风电功率异常数据清洗

在风电功率预测中,风速到风电功率的转换是关键步骤,风功率曲线建模和机器学习等技术都需要高质量的风电功率数据,而风电机组实际运行过程中由于多种因素会导致风功率曲线中出现大量的异常数据.首先分析了河南省洛阳市虎头山风电场风电机组历史运行异常数据分布特征,提出了结合孤立森林（iForest）算法与标准差（σ）检测法的技术对异常数据进行识别,并对比了iForest-σ和σ-iForest两种次序组合方式在异常数据识别过程中的异常数据清洗时间、删除率、准确率.结果表明,iForest-σ和σ-iForest方法都能够有效识别异常数据,iForest-σ方法相对数据删除率低且精度高.上述方法清洗效果好,效率高且不依赖于正常数据进行非监督训练,同时适用于其他研究场景的异常数据清洗工作,具有较强的通用性.     

数据清洗前的预处理方法

为提高数据清洗的质量,提出消除脏数据域、使用统一的缩写、数据的转换等预处理方法,基于这3种方法和链表存储复制记录算法,设计一个数据清洗的系统,与其他方法的效率与准确程度比较可知,该系统的数据准确程度要高于现有的数据清洗系统．     

面向多数据源的数据清洗关键技术的研究

对于各个领域的信息资源管理而言,数据质量一直是一个非常关键的问题。现实世界中的数据往往存在着各种各样的问题,从简单的拼写错误到复杂的语义不一致错误。数据清洗的目标就是检测并去除数据中存在的各种错误和不一致,提高数据的质量。该文归纳、总结了数据清洗相关研究的现状,提出一个面向多数据源的数据清洗框架的定义。框架实现了术语模型、处理描述文件和共享库等概念和技术。     

ETL中数据清洗技术分析与研究

数据质量是商业智能的基础,数据质量的好坏直接影响到商业智能的成败.数据质量存在问题有多方面的原因,在此基础上提出了实施数据清洗的五个步骤,最后阐述了提高数据质量的方法.     

一种基于相关性分析的故障风机损失发电量估计方法的研究

研究并提出了一种故障风机损失发电量估计方法。该方法对故障风机的风速进行估计,结合风机的实际输出功率曲线给出故障风机故障期间损失发电量的估计值。在风速估计方面引入了相关性分析,选取与故障风机风速强线性相关的正常运行风机,对其风速应用回归分析方法获取故障风机风速的估计值。在估计方法的基础上,还给出了该方法在风机监控系统中的一个实现,并对估计效果进行了验证分析。     

考虑风电机组旋转备用的风电系统备用容量计算

文章提出变速风电机组旋转备用概念和实现算法,设置风电场出力上限,利用风电机组出力可控性,实现风电场间互补备用,减少常规机组提供的备用容量。采用 K-均值聚类算法对风电场历史数据进行聚类分析,分析风电场功率预测偏差引起的风电系统备用需求的概率分布。设定电网安全运行置信度,计算常规机组所需提供的备用容量值。结果证明,风电机组旋转备用和良好的风场风资源互补性可以减少常规机组所需提供的旋转备用容量,多风场聚合为一个等值风场,可以减少调度出力给定值。     

基于ANSYS的海上风机塔筒的自振特性分析

海上风电项目是可再生能源开发和利用的焦点,在开发海上风能的过程中,风机塔筒的自振特性是影响结构安全的重要一环.本文以某一风机塔筒为例,采用ANSYS有限元分析软件进行模态分析,讨论了3种处理质量、刚度非连续变截面塔筒结构的数值模拟简化建模方法,并比较3种方法在自振频率计算方面的准确性.研究表明,采用最大外径进行简化建模可以大大减小前两阶自振频率计算的误差率,所得结论可为类似结构自振频率简化计算提供依据,对于保证海上风电项目的安全性和可靠性有重要意义,具有一定的工程参考价值.     

风速梯度对风力机设计影响的理论分析

根据风速指数规律分布,采用三种计算过程,对风轮扫掠面积上的真实风功率做了定量计算.数值积分计算结果表明,在四类廓线指数、七种塔架高度情况下,风速梯度对气动设计影响甚微,采用风轮中心风速做为单一的设计风速是切实可行的.     

双馈式风电机组的自适应Super-twisting功率控制

针对使用双馈式感应发电机的风电机组易受电网电压波动、外界风速干扰影响等问题,提出了一种自适应Super-twisting功率控制方法。该方法实现了风电系统随着系统工作的区域(由风速大小所决定)而变化,即在部分负荷区域优化有功功率,在全负荷区域限制有功功率。同时在不同的区域根据需要调节无功功率达到补偿功率因数的控制目标。该方法具有易于实现、鲁棒性强的优点和自适应控制增益可调的特点,适用于带有外界干扰以及参数时变的非线性系统。通过仿真证明,以该方法设计的控制器应用于双馈式风力发电系统中控制有功功率和无功功率具有良好的鲁棒性能,且抖振得到降低,滑模变量在有限时间内迅速收敛于滑模面。     

基于改进熵权法和SECEEMD的短期风电功率预测

为实现短期风电功率的高精度预测,综合考虑风电功率数据波动性以及多维气象数据对风电功率预测的影响,提出了一种基于改进熵权法和SECEEMD的短期风电功率组合预测方法。首先,提出了一种综合相关性分析模型,结合多种特征选择方法对多维气象特征实现综合评价,准确筛选与风电功率相关性较高的气象特征,提高预测精度。其次,针对CEEMD(Complementary Ensemble Empirical Mode Decomposition,互补集合经验模型模态分解)存在的分解分量过多,模态混叠程度加剧的问题,提出了SECEEMD分解算法,在降低分量数量,降低模态混叠程度的同时,提高模型的训练速度。然后,分别建立NWP-LSTM和SECEEMD-BP预测模型,并通过贝叶斯优化算法优化长短期记忆神经网络和BP神经网络结构;最后,通过改进熵权法寻找到最优权重组合进行加权组合。实验以内蒙古某风电场的风电功率数据和气象数据为实验数据,经验证,本文所提预测模型,能较大程度提高预测精度,相较于一般预测模型,R2-Score分别提高了4%和0.6%,MAE分别降低了44%和1.1%,证明本文所提风电功率预测方法具有更高的预测精度和更快的训练速度,更加适合进行风电功率预测。     

用于短期风功率预测的历史数据深度迁移模型

随着全球化石燃料短缺日益严重,可再生能源的开发与利用愈发得到重视。风能是被广泛使用的清洁能源之一,在生产工作中,风力发电作为风能的主要利用形式,需要对其功率进行预测。依托风场日常记录的历史数据,传统学习模型可对风功率进行短期预测,但往往仅使用自己域内的历史数据作为分析对象,该类算法导致结果片面,局限性大,不能有效使用类数据中的隐含联系,抑制原始数据缺失或异常值引起的模型性能下降问题。笔者设计一种基于历史数据深度迁移的短期风功率预测模型。首先,使用带降噪处理的自动编码机构建深度神经网络模型。其次,应用深度迁移方法共享隐藏层,挖掘特征之间的隐含联系。最后,从具有相似特征和地理位置的风场数据中迁移重要知识,提高模型准确率和可靠性。实验结果表明,研究方法较之未使用迁移的方法更充分利用现有数据,预测准确率显著提高。     

基于涡面元法的风力机叶片翼型优化设计

 针对风力机翼型反设计问题,通过求解由涡量表达的面元流函数方程,直接得到面元节点速度;通过计算沿流线的伯努利方程获得面元的压力系数,进而求得升力系数和力矩系数。应用所述涡面元法以NACA2412 为初始翼型,以NACA4412 压力系数为目标值,获得满足目标压力系数的新翼型。根据新翼型对一小型风力机进行优化设计。计算表明基于涡面元法的翼型反设计有较高精度,较广适应性。通过凸函数表达翼型几何参数,能满足不同初始翼型的优化设计及风力机叶片的设计要求。