(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111668876.X (22)申请日 2021.12.3 0 (71)申请人 河南省气象服 务中心 （河南省气象 影视和宣传中心） 地址 450000 河南省郑州市金 水区金水路 110号 (72)发明人 冯杉　魏璐　孙睿藻　王丽　 李伊吟　程凯琪　 (74)专利代理 机构 郑州银河专利代理有限公司 41158 代理人 张佴栋 (51)Int.Cl. G06K 9/62(2022.01) G06Q 50/06(2012.01) (54)发明名称 一种基于LOF算法的风电站原始风电数据质 量控制的方法 (57)摘要 本发明提供一种基于LOF算法的风电站原始 风电数据质量控制的方法， 属于数据处理技术领 域， 包括以下步骤： 一、 收集风电站原始风电数 据； 二、 利用滑动标准差方法识别出受仪器故障 影响而出现的连续无变化 或者变化很小数据， 将 其剔除； 三、 剔除原始风电数据中缺测的数据； 四、 根据标准文件对风速、 实际有功功率数据进 行数值范围检验， 剔除超 出合理范围 的数据； 五、 利用归一化方法对数据进行缩放； 六、 在以上数 据的预处理后， 计算数据点的第k距离邻域、 第k 可达距离、 局部可达密度以及局部离群因子LOF 值； 七、 将LOF值高于设定阈值的数据点视作异常 点， 并将异常值剔除。 本发明使用数据本身的属 性来检测和分类原 始数据， 操作容 易、 方便。 权利要求书2页 说明书5页 附图3页 CN 114358176 A 2022.04.15 CN 114358176 A 1.一种基于LOF算法的风电站原始风电数据质量控制的方法， 其特征在于， 包括以下步 骤： 步骤一、 收集并整理风电站 原始风电数据； 步骤二、 利用滑动标准差方法识别出受仪器故障影响而出现的连续无变化或者变化很 小数据， 并将其剔除； 步骤三、 剔除原 始风电数据中缺测的数据； 步骤四、 根据国家、 行业相关标准文件以及风力发电机功率曲线对风速、 实际有功功率 数据进行 数值范围检验， 剔除超出合理范围的数据； 步骤五、 利用归一 化方法对数据进行缩放； 步骤六、 在以上数据的预处理后， 计算数据点的第k距离邻域、 第k可达距离、 局部可达 密度以及局部 离群因子LOF值； 步骤七、 将LOF值高于设定阈值的数据点视作异常点， 并将异常值剔除。 2.根据权利要求1所述的基于LOF算法的风电站原始风电数据质量控制的方法， 其特征 在于， 所述步骤二中， 对于无变化或者变化很小数据的剔除， 采用5点滑动标准差方法进行 识别， 其计算公式如(1)所示： 其中n＝5， 识别 点为x3， 即识别点为5点的中心点； 当数据连续无变化时， 标准差为0； 当 数据变化很小时， 标准差值 也很小。 3.根据权利要求1所述的基于LOF算法的风电站原始风电数据质量控制的方法， 其特征 在于， 所述 步骤五中， 计算公式如(2)所示： 其中x为数据原始值， x ′为数据归一化之后的值， xmax和xmin都为样本数据的最大值和最 小值。 4.根据权利要求1所述的基于LOF算法的风电站原始风电数据质量控制的方法， 其特征 在于， 所述步骤六中， 第k距离， 定义dk(O)为点O的第k距离， dk(O)＝d(O， P)， 满足如 下条件： 在集合中至少存在k个点P ′∈D\{O}， 使得d(O， P ′)≤d(O， P)； 在集合中至多存在k ‑1个点P′ ∈D\{O}， 使得d(O， P ′)＜d(O， P)。 5.根据权利要求1所述的基于LOF算法的风电站原始风电数据质量控制的方法， 其特征 在于， 所述步骤六中， 第k距离邻域， 设Nk(O)为点O的第k距离邻域， 满足： Nk(O)＝{P′∈D\{O} |d(O， P′)≤dk(O)}。 6.根据权利要求1的基于LOF算法的风电站原始风电数据质量控制的方法， 其特征在 于， 所述步骤六中， 第k可达距离， 以O为中心， 点P到点O的第k可达距离定义为： dk(P， O)＝ max{dk(o)， d(O， P)}。 7.根据权利要求1的基于LOF算法的风电站原始风电数据质量控制的方法， 其特征在 于， 所述步骤 六中， 局部可达密度， 点P的局部可达密度 表示为点P的第k邻域内点到P的平均 可达距离的倒数， 其计算公式如下：权　利　要　求　书 1/2 页 2 CN 114358176 A 28.根据权利要求1的基于LOF算法的风电站原始风电数据质量控制的方法， 其特征在 于， 所述步骤六中， 局部离群因子LOF值， 点P的局部离群因子LOF表示为点P的邻域点Nk(P) 的局部可达密度与点P的局部可达密度之比的平均数， 其计算公式如下： 权　利　要　求　书 2/2 页 3 CN 114358176 A 3