公开(公告)号：CN119337281A

公开(公告)日：2025-01-21

申请号：CN202411488872.7

申请日：2024-10-24

Applicant: 重庆邮电大学

Inventor： 陈俊生 ,  张忠恒 ,  刘青松 ,  陈沂蒙 ,  刘明杰

IPC: G06F18/2433 ,  G06F18/10 ,  G06F18/23213 ,  G06F18/27

Abstract: 本发明提供一种基于自适应K‑means分段和边界建模的风功率异常数据识别方法，包括：根据底部堆积型异常数据的功率值小于0的特征通过规则筛选的方式识别并滤除风功率数据集中的底部堆积型异常数据；利用CH指数和k‑means算法将规则筛选后的风功率数据集自适应地划分为K个不重叠的簇；将步骤S3得到的各个簇分别按功率值划分为L个区间，并计算每个功率区间对应的风速范围数据和风速均值数据；根据每个功率区间对应的风速范围数据和风速均值数据利用峰值修正结合边界建模识别出离散型异常数据和限功率型异常数据。本发明提高了风功率异常数据的识别准确率。

公开(公告)号：CN116738269A

公开(公告)日：2023-09-12

申请号：CN202310704902.2

申请日：2023-06-14

Applicant: 重庆邮电大学

Inventor： 陈俊生 ,  张忠恒 ,  刘志勇 ,  李本川 ,  孙荣利 ,  刘明杰 ,  章茼茼

IPC: G06F18/23213 ,  G06F18/10 ,  H02J3/00

Abstract: 本发明涉及基于自适应DBSCAN聚类的风功率无效数据识别方法、系统、电子设备和存储介质，包括：获取风电机组在正常运行状态下的原始风功率数据集；根据风速大小利用K‑means算法将原始风功率数据集划分为m个原始风功率数据子集；利用自适应DBSCAN算法分别对m个原始风功率数据子集进行聚类，将聚类后的噪音点数据作为风功率无效数据进行输出，得到原始风功率数据集中的所有风功率无效数据，通过k‑means聚类算法将原始风功率数据集划分为不同的类别，提高同一类内数据的相似性，并降低不同类别之间的相似性，通过自适应的选择DBSCAN算法的参数降低人为设置参数的主观因素影响，提高了识别结果的稳定性。