风力发电机组系统异常数据识别与清洗技术

《Energies》：Abnormal Data Identification and Cleaning Techniques for Wind Turbine Systems Qianneng Zhang, Zhiya Xiao, Haidong Zhang, Xiao Yang, Hamidreza Arasteh, Linjie Zhu, Josep M. Guerrero and Daogui Tang

　　

风电输出数据的质量直接影响风电场运行状态评估和功率预测模型的准确性。然而，由于传感器精度、通信干扰和复杂的港口环境等因素，从港口区域风力发电机组（WT）收集的原始数据通常包含噪声、异常值和缺失值。如果没有有效的清洗，得到的功率曲线可能会失真，降低预测模型的泛化能力。为了克服传统异常值检测方法在适应性和鲁棒性方面的局限性，本研究提出了一种基于动态四分位距（DIQR）和改进Sigmoid函数拟合的两阶段港口区域风电数据清洗方法。在第一阶段，自适应分箱和密度加权机制动态扩展四分位距，以识别和去除不同风速区间内的局部异常值。在第二阶段，使用改进的Sigmoid模型对清洗后的风速-功率数据进行二次拟合和残差分析，以检测隐藏的异常和边界型异常值。以穿山港区#1 WT的实测数据为例，实验结果表明，所提方法在保持高数据保留率的同时，在皮尔逊相关系数（r = 0.93）和决定系数（R² = 0.89）方面优于常规四分位距（IQR）、基于密度的噪声应用空间聚类（DBSCAN）和孤立森林（IForest）算法，均方误差（MSE）和均方根误差（RMSE）分别降低至446.39 kW和545.58 kW。研究结果验证了该方法在港口区域风电数据清洗中的效率、稳定性和实际可行性，为港口环境中的风电功率预测和运行优化提供了可靠的数据基础。

**论文解读：基于动态四分位距与改进Sigmoid函数的风力发电机组异常数据识别与清洗技术**

**研究背景与问题**
随着港口区域风电场的大规模部署以及“风-光-储-氢”多能互补系统的逐步发展，风电功率预测的准确性和稳定性对港口能源调度至关重要。然而，与陆上风电场不同，港口区域风系统受陆海相互作用、盐雾腐蚀、湍流气流以及频繁限电操作等复杂多变条件的影响，导致监控与数据采集（SCADA）系统数据普遍存在测量误差、通信中断和限电输出等问题。此外，多能系统耦合运行中储能单元的快速充放电响应、光伏输出的短期波动以及氢系统的动态切换进一步加剧了功率数据的非平稳性和复杂性，常导致风速-功率曲线出现瞬时畸变和突变异常。因此，港口区域风电SCADA数据中的异常比例显著更高，异常类型呈现叠加性、密集性和时变性特征，不仅违背了风速-功率关系的物理一致性，还会导致预测模型产生累积偏差，影响运行安全与经济性能。

传统异常检测与清洗方法（如统计阈值法、密度聚类法、模型驱动法及混合方案）在陆上和海上场景中已有广泛研究，但在港口区域风电场及“风-光-储-氢”系统中的适用性仍有限。港口区域风电数据通常具有高异常密度、复杂类型和强动态非线性，传统单算法在鲁棒性、适应性和边界样本处理方面面临挑战：统计阈值法难以适应不同风速区间的变化；聚类方法在多密度条件下易出现漏检；模型驱动方法可能过拟合或过度去除数据。现有混合清洗框架虽提高了异常检测精度和鲁棒性，但仍面临计算复杂度高、参数调整困难以及对数据分布敏感等问题，限制了其在大型或复杂港口环境中的快速部署。

为克服上述局限，本研究提出了一种基于动态四分位距（DIQR）和改进Sigmoid函数拟合的两阶段清洗方法，旨在耦合局部统计严谨性与全局物理一致性，同时不牺牲实时性能，为港口区域风电功率预测和运行优化提供可靠的数据基础。该论文发表在《Energies》。

**主要关键技术方法**
研究人员采用以下关键技术方法（基于穿山港区#1 WT的实测数据，时段为2024年8月23日至2025年7月6日，采样间隔经重采样为10分钟）：
（1）自适应分箱：利用Freedman-Diaconis规则确定最优风速分箱宽度，实现局部密度自适应。
（2）密度加权动态IQR系数：将局部IQR系数（k_i）与风速分箱概率密度（d_i）反向耦合，在低密度区间扩大阈值（k_i趋近2.0），在高密度区间收紧阈值（k_i趋近0.5）。
（3）局部IQR异常识别：在每个分箱内计算局部四分位数和IQR，结合密度加权系数定义检测边界，识别并去除局部异常。
（4）边界平滑：采用移动中值方法平滑边界，消除尖峰型噪声。
（5）改进Sigmoid拟合模型：构建包含物理平移项的4参数Logistic模型，显式集成切入风速（v_in）约束，参数具有物理含义（额定功率容量、尺度参数、斜率因子、不对称因子）。
（6）鲁棒参数估计：采用信赖域反射（TRR）算法求解带边界约束的非线性最小二乘问题，并引入双平方（Bisquare）稳健加权函数减轻异常值影响。
（7）残差分析与异常剔除：基于残差标准差（σ_ε），采用1.67σ（约90%置信区间）阈值判别隐藏异常。

**研究结果**
**第2节：风力发电机组功率输出性能分析**
通过时间序列分析揭示港口区域风电功率的显著波动性、强非线性和不确定性，包括功率响应延迟现象。基于#1 WT的标准功率曲线和实测数据，验证了风速与功率之间在高一致性时段内的强同步性和正相关关系，并观察到孤立时间段内功率响应滞后于风速波动的现象。

**第3节：风力发电机组数据预处理**
定义了三种异常类型：零功率异常（堆叠零点）、平行带异常（功率限电）和随机异常与测量噪声。建立了基于物理有效性、逻辑一致性、相关性异常、限值违规及SCADA状态码（仅保留状态码6，即正常并网发电）的筛选规则，并采用向前填充法处理少量缺失值，连续大段缺失则直接丢弃。

**第4节：方法论与理论框架**
**4.1 常规方法的原理与局限**
比较了IQR方法（不同乘数测试）、DBSCAN（MinPts=9, ε=0.07）和IForest（Ntrees=100, ψ=256, 污染率10%）。结果表明：IQR在检测随机孤立异常时鲁棒性较好，但无法同时处理平行带异常和局部聚集噪声；DBSCAN对离散、条状和孤立异常敏感，但在高风速区可能误删正常运营样本；IForest能有效移除靠近额定功率的“恒定功率平台”异常，但在高风速区同样存在误删边缘样本的风险。

**4.2 改进算法的数学建模与核心原理**
提出了基于自适应分箱和密度加权调整系数的DIQR算法，以及基于改进Sigmoid模型（4参数Logistic）的二次清洗。通过参数边界约束（如β₁∈[1.0P_rated, 1.1P_rated]）确保物理可解释性。残差分析采用1.67σ阈值，对应约90%置信区间，以严格筛选高噪声样本。

**4.3 清洗流程与性能评估**
展示了从初始散点图经物理规则滤波、DIQR处理、改进Sigmoid拟合与残差清洗的逐步效果。最终清洗后数据集（图17）表现出与理论功率曲线高度一致的趋势。残差分析证实残差呈高斯分布，均值仅为-14.5 kW（额定容量的0.2%），模型参数估计值（β₁=6250 kW, β₂=7.84 m/s, β₃=1.755, β₄=0.15）具有物理可解释性。

**第5节：综合算法性能比较分析**
与IQR、DBSCAN、IForest、传统IQR-Sigmoid以及文献[19-22]中的混合策略进行定量对比。所提方法在保留约18.7%异常数据的同时，实现了最高的拟合精度（R²=0.89, r=0.93）和最低的误差水平（MAE=446.39 kW, RMSE=545.58 kW），计算时间0.4654秒。相比传统IQR-Sigmoid，RMSE降低了约3.8%，且避免了多项式方法在高风速区的“尾垂”现象，以及IForest-DBSCAN在高密度嘈杂噪声下的模糊边界问题。

**讨论与结论**
讨论部分指出，所提方法通过DIQR机制自适应感知局部统计变化，避免了传统全局IQR在不同方差区间内的误检和漏检；改进Sigmoid模型利用其渐近饱和特性对功率平台施加有效约束，严格遵循物理响应特性。该方法在统计鲁棒性与物理合理性之间建立了协同约束，为港口区域风电数据清洗提供了通用解决方案。

研究结论翻译如下：
为应对复杂气象条件和设备运行状态变化带来的风电数据强噪声、非平稳性和非线性挑战，本文提出了一种两阶段异常检测与清洗框架：DIQR–改进Sigmoid。该方法以“在保持物理一致性的同时实现高质量数据清洗”为核心，引入DIQR机制，实现局部统计变化的自适应感知，有效规避了传统全局IQR方法在不同方差区间内常见的误检和漏检。同时，通过集成具有物理饱和约束的改进Sigmoid功率曲线模型，对清洗边界进行二次精炼，在统计鲁棒性与物理合理性之间建立了协同约束。与多种对比方法的定量评估和可视化分析表明，所提方法在去除约18.7%异常样本的同时，实现了最高的拟合精度和最低的误差水平，综合性能优于传统IQR、单一机器学习算法以及现有主流混合策略。总之，DIQR–改进Sigmoid方法为风电数据清洗提供了一种兼顾统计严谨性、物理机制约束和工程可行性的通用解决方案，为后续风电功率预测与运行状态分析奠定了高质量的数据基础。