改進Bayesian后驗比的異常風速值檢測方法

陳偉，吳布托，裴喜平，王懿喆

（蘭州理工大學電氣工程與信息工程學院，甘肅蘭州 730050）

改進Bayesian后驗比的異常風速值檢測方法

陳偉，吳布托，裴喜平，王懿喆

（蘭州理工大學電氣工程與信息工程學院，甘肅蘭州 730050）

風電場運行數據中含有異常風速值，為了優化風電數據的質量，提出了組合預測與Bayesian后驗比的異常值檢測方法。為了降低預測誤差，先對風速序列建立Adaboost-BP網絡和EMD-LV-SVM的組合預測模型，利用預測值與測量值的偏差得到含有粗大誤差的殘差序列；為了提高檢測方法的可靠性，采用Bayesian后驗比的檢驗方法識別殘差序列中粗大

異常風速值檢測；組合預測模型；殘差分析；Bayesian后驗比

風電場運行數據中的風速值是分析監測風機運行狀態和預測風機出力情況的重要依據。因傳感器故障和傳輸信道噪聲產生的異常疊加在監控終端的數據中，由于風速特有的間歇性和不確定性[1]，造成異常值在風速序列特征信息不明顯，使得異常值辨識困難。

在諸多風速功率預測方法中，如人工神經網絡[2-4]、支持向量機[5]、卡爾曼濾波[6]和時間序列分析法[7-8]都直接采用測量數據進行分析計算，對含有異常值的數據建模分析勢必會影響預測精度。因此，分析數據前需要對異常數據識別與修正。在異常數據檢測方面，文獻[9]最早提出了運用統計學的思想檢測異常值，根據歷史數據設定一個概率模型，如果數據服從同一分布則判定為正常值，反之則為異常數據點，該方法的統計量計算復雜且統計參數對辨識異常值異常敏感。……