風(fēng)電機(jī)組數(shù)據(jù)采集與監(jiān)控系統(tǒng)異常數(shù)據(jù)識(shí)別方法

打開文本圖片集

摘要：為了解決原始的風(fēng)電機(jī)組數(shù)據(jù)采集與監(jiān)控系統(tǒng)（SCADA）中包含大量異常記錄的數(shù)據(jù)、難以準(zhǔn)確反映機(jī)組運(yùn)行狀態(tài)的問題，提出了一種帶噪聲基于密度的空間聚類（DBSCAN）模型的風(fēng)電機(jī)組SCADA異常數(shù)據(jù)識(shí)別方法。該方法從分析風(fēng)速-功率曲線的特點(diǎn)出發(fā)，采用預(yù)測(cè)誤差和分類準(zhǔn)確度來選取關(guān)鍵聚類參數(shù)鄰域半徑和鄰域最小樣本點(diǎn)數(shù)，避免了人工確定聚類參數(shù)的主觀性，且參數(shù)選擇過程可以完全自動(dòng)化，實(shí)現(xiàn)了風(fēng)電機(jī)組SCADA異常數(shù)據(jù)的有效識(shí)別。（剩余17889字）