论文摘要
针对目前风电功率异常数据识别的算法复杂繁琐且识别效果不理想,算法通用性差,对复杂多变的风电功率数据难以有效甄别等问题,依据实测风速功率数据中异常数据来源的特征提出一种不同风向上的不同风速区间内异常数据的识别方法。该算法基于不同风向上不同风速区间的组内最优方差来识别其相应的异常数据,最后经归类整理后识别出机组全部的异常数据。研究结果表明该算法可有效识别风电异常数据。
论文目录
文章来源
类型: 期刊论文
作者: 杨茂,杨春霖,杨琼琼,苏欣
关键词: 异常数据,风向,数据识别,组内最优方差
来源: 太阳能学报 2019年11期
年度: 2019
分类: 工程科技Ⅱ辑
专业: 电力工业
单位: 现代电力系统仿真控制与绿色电能新技术吉林省重点实验室(东北电力大学),东北电力大学理学院
基金: 国家重点研发计划（2018YFB0904200)
分类号: TM614
页码: 3265-3272
总页数: 8
文件大小: 3464K
下载量: 109
相关论文文献
- [1].风电功率概率预测研究综述[J]. 东北电力大学学报 2020(02)
- [2].基于约翰森协整及格兰杰因果检验的风电功率关键要素辨识与预测方法[J]. 供用电 2019(12)
- [3].风电功率组合预测技术研究综述[J]. 气象科技进展 2016(06)
- [4].基于人工鱼群优化算法的支持向量机短期风电功率预测模型[J]. 电气工程学报 2016(10)
- [5].基于混沌理论的风电功率超短期多步预测的误差分析[J]. 电力系统保护与控制 2017(04)
- [6].基于风电功率周期特性的组合预测研究[J]. 太阳能学报 2016(07)
- [7].基于相似性修正的风电功率爬坡事件预测方法[J]. 中国电机工程学报 2017(02)
- [8].基于t Location-Scale分布的风电功率概率预测研究[J]. 中国电力 2017(01)
- [9].风电功率预测信息在日前机电组组合中的应用[J]. 建材与装饰 2017(07)
- [10].基于近似熵的风电功率可预测性研究[J]. 太阳能学报 2016(10)
- [11].基于改进的灰色模型和支持向量机的风电功率预测[J]. 沈阳大学学报(自然科学版) 2017(03)
- [12].风电功率预测技术研究综述[J]. 现代电力 2017(03)
- [13].基于改进马尔科夫链的风电功率时间序列模型[J]. 电力建设 2017(07)
- [14].基于思维进化算法的风电功率预测研究[J]. 计算技术与自动化 2017(02)
- [15].基于集对分析聚类法的超短期风电功率区间预测[J]. 可再生能源 2017(09)
- [16].考虑风力发电随机性的超短期风电功率区间预测研究[J]. 太阳能学报 2017(05)
- [17].超短期风电功率爬坡事件对风电功率实时预测误差的影响研究[J]. 太阳能学报 2017(03)
- [18].风电功率概率预测方法及展望[J]. 电力系统自动化 2017(18)
- [19].基于模糊粒计算的风电功率实时预测研究[J]. 东北电力大学学报 2017(05)
- [20].新生儿静息与任务脑电功率的发展比较研究[J]. 中国儿童保健杂志 2016(05)
- [21].风电功率短时骤降的极值统计分析[J]. 电力系统保护与控制 2015(07)
- [22].飞轮储能在风电功率预测系统中的应用探究[J]. 河北工业大学学报 2015(02)
- [23].风速及风电功率预测研究综述[J]. 山东电力技术 2015(07)
- [24].核心素养理念下优化物理实验探究过程的思考与实践——以《测量小灯泡的电功率》为例[J]. 中学生数理化(自主招生) 2020(Z1)
- [25].解读电功率[J]. 中学生数理化(初中版.中考版) 2018(12)
- [26].电功率的解题思考[J]. 数理化学习(初中版) 2018(11)
- [27].V变I变P更变数学巧解电功率[J]. 数理化学习(初中版) 2019(11)
- [28].谈谈电功率[J]. 数理化学习(初中版) 2009(01)
- [29].好好认知电功率[J]. 数理化学习(初中版) 2010(03)
- [30].电功率与比例有缘[J]. 数理化学习(初中版) 2012(03)