风速异常值清除方法

渐变异常零漏检

该方法利用时间和空间相关性深度挖掘风机风速数据中的各类异常,特别是位于功率曲线内的微弱故障数据,从而为风速传感器的性能评估与健康管理提供依据。

Yang, Li · 沈小军 · Zhang, Yangfan · 王羽

Diangong Jishu Xuebao/Transactions of China Electrotechnical Society 2023

参数信息

突变异常检测精确率
95.57 %
渐变异常检测精确率
100 %
异常数据率
21.87 %

技术优势

弱故障不漏检

专门针对功率曲线内或附近的微弱异常,这些异常在传统功率曲线拟合中被视为正常,但本方法能识别出来,为传感器健康管理提供更多信息。

分段建模更准

通过形状二分分割进行变点检测,将全局风速序列划分为子序列,再分别建模相关性和速度约束,避免了长时间尺度数据造成的局部特征被淹没。

揭示传感器劣化

统计发现异常数据中渐变异常占主导,异常数据率达21.87%,并结合传感器行为解释为捕风性能严重下降但抗电磁性能完好,为维护提供依据。

应用场景