一种风电场测风塔数据插补方法及系统与流程

技术特征：
assimilation以及由对网格场进行初始化的real和执行模式积分的advanced research wrf model两部分组成的模式主体。9.一种风电场测风塔数据插补系统，其特征在于，包括：环境类数据插补单元，用于判断测风塔的环境类数据是否缺失，若环境类数据有缺失则利用数据缺失时间段内的气象预测数据作为基础数据，基于多元时间序列与大数据人工智能方法对环境类数据进行实时插补；基础类数据插补单元，用于判断测风塔的基础类数据是否缺失，若基础类数据有缺失则判断测风塔临近的风机机组数据是否存在且符合逻辑，若存在且符合逻辑则利用测风塔临近的风机机组数据基于时间序列和机器学习方法对基础类数据进行实时插补；若测风塔临近的风机机组数据存在缺失，则基于气象预测数据结合wrf模式采用ncep集合预报的统计修正方案，实现对测风塔基础数据缺失时段的基础类数据进行实时插补。10.根据权利要求9所述的风电场测风塔数据插补系统，其特征在于，环境类插补基础数据处理子单元，用于利用环境类数据作为基础，通过时间序列选取气象数据中最新批次的预报数据找到相关性最高的2组数据作为插补基础数据；选取所述插补基础数据中在需插补的数据时间段内的环境数据计算均值用来对该时间段内的环境类数据进行实时插补；基础类缺失数据回归重建子单元，用于选取测风塔临近的风机机组数据中在数据缺失时段的同一工况下的数据；对选取的临近风机机组数据建立基于em算法对缺失数据进行回归重建；将数据缺失时间所生成的插补数据乘以对应系数作为需要插补的缺失数据对基础类数据进行实时插补。

技术总结
本发明公开了一种风电场测风塔数据插补方法及系统，该方法包括判断测风塔的环境类数据是否缺失，若环境类数据有缺失则利用数据缺失时间段内的气象预测数据作为基础数据，基于多元时间序列与大数据人工智能方法对环境类数据进行实时插补。本申请提供的风电场测风塔数据插补方法，综合了多元时间序列数据分析、大数据人工智能数据分析、工况辨识及深度学习的基础上形成。利用多元时间序列数据分析、大数据人工智能数据分析、工况辨识和深度学习算法对缺失的测风塔数据进行实时插补，方法切实可行，结论合理，有助于提升风电场测风塔数据完整度，有效降低因数据缺失导致的电网考核，为后续基于数据的分析应用奠定了基础。为后续基于数据的分析应用奠定了基础。为后续基于数据的分析应用奠定了基础。


技术研发人员：朱志成 包大恩 岳捷 郭海思 孟元 陈晓军 陈欣 乔帅 史书睿 周冉冉
受保护的技术使用者：中能电力科技开发有限公司
技术研发日：2021.09.10
技术公布日：2021/12/12