测风塔异常风速数据识别与补齐方法研究

杨 茂，白玉莹

（东北电力大学 现代电力系统仿真控制与绿色电能新技术教育部重点实验室，吉林 吉林132012）

0 引言

风电场历史数据主要包括测风塔气象数据和风机实际功率数据，测风塔气象数据包含风速、风向、气压、温度、湿度等信息，可用来计算理论发电量。将风电场的理论发电量与实际发电量进行对比分析，有利于对风电场的实际发电情况及发电效率进行检测和监察。风速具有间歇性、波动性和随机性[1]～[4]，在实际的风电场运营中，因数据采集通道拥堵或测量环节故障导致风电场数据异常、失真甚至丢失。若直接使用异常数据进行研究，会导致预测结果产生较大误差，严重影响评估结果的准确度[5]。因此，须对测风塔历史风速数据进行筛选识别，并剔除历史数据中的异常值，为后续风电功率预测研究提供优质可靠的数据源。

在异常数据识别与补齐方面，文献[6]提出了组合预测与Bayesian后验比的异常值检测方法，并利用ARIMA方法修正异常风速值，但该方法需要先对风速序列建立组合预测模型，计算过程较复杂。文献[7]分析了异常功率数据产生原因及特点，建立了四分位模型，对异常值进行剔除，根据临近风电场出力具有相似性的特点，采用三次样条多点插值方法补齐缺失数据。但用四分位法识别异常数据，会出现大量被错误识别的数据，且三次样条多点插值方法对数据进行重构精度并不高。文献[8]通过虚拟测风塔技术对测风塔数据进行预处理，但利用了天气预报数据，可能会出现误差累积，并且没有加入校正环节，误识别率较高。……