风电场异常风速值的自适应检测方法

摘要

为提高现有风电场数据采集系统的数据准确性和可利用性,提出了差分自回归滑动平均(ARIMA)、经验模态分解(EMD)和隐马尔科夫(HMM)组合算法的异常风速值检测预处理方法.针对异常风速值表征不明显,选用差分自回归滑动模型预测当前时刻的风速值,从而得到反映风速值异常情况的残差序列;为了降低系统误差对检测方法的干扰,采用经验模态分解方法获取残差序列中的粗大误差特征信息;借助隐马尔科夫算法的双重随机过程自适应的检测异常风速点并剔除,避免了传统阈值辨识方法难以准确检测风速中的异常情况;最后,为了得到完整的风速-时间序列,对剔除的数据采用三次样条插值的方法进行修正.RBF预测结果验证表明,所提方法与传统小波异常值检测方法相比具有更精确的辨识能力,进一步提高了短期风速和功率的预测精度.