一种基于EOF的新能源厂站气象资料质量控制方法及系统与流程

本发明涉及数据质量控制，尤其涉及一种基于eof的新能源厂站气象资料质量控制方法及系统。

背景技术：

1、在现代新能源电力领域，气象数据的高精度质量控制是提升新能源厂站运行效率的关键因素之一，随着大规模新能源并网和智能电网技术的发展，对气象数据实时性和准确性的要求日益提高，传统的数据处理方法常常面临异常检测不准确、数据修正不及时的问题，这导致在面对复杂气象条件时，数据的可靠性和实用性无法得到有效保证。

2、尽管现有技术在气象数据采集和初步校正方面有所进展，但在全面质量控制方面仍显不足，许多方法在面对多因子协同变化和动态异常时，无法精准识别并快速修正异常数据，导致气象数据出现误差累积，进而影响新能源厂站的调度决策和运行安全，在高动态气象条件下，气象数据需要在极短的时间内完成检测、校正和优化，传统的静态分析方法难以满足这一需求。

3、公开于该背景技术部分的信息仅仅旨在加深对本公开总体背景技术的理解，而不应当被视为承认或以任何形式暗示该信息构成本领域技术人员所公知的现有技术。

技术实现思路

1、本发明提供了一种基于eof的新能源厂站气象资料质量控制方法及系统，可有效解决背景技术中的问题。为了达到上述目的，本发明所采用的技术方案是：

2、一种基于eof的新能源厂站气象资料质量控制方法，所述方法包括：

3、采集新能源厂站的气象观测信息，提取气象因子数据，并对若干所述气象因子数据进行预处理，获得气象观测序列；

4、对所述气象观测序列进行数据异常检测，确定综合异常记录并进行剔除，获取气象校正子序；

5、对所述综合异常记录进行数据校正，生成气象替换子序，整合所述气象替换子序与所述气象校正子序，获得气象校正序列；

6、对所述气象校正序列进行协同分析，获取协同分析结果，基于所述协同分析结果识别潜在异常，并对所述潜在异常进行优化。

7、进一步地，对若干所述气象因子数据进行预处理，获得气象观测序列，包括：

8、对若干所述气象因子数据进行时间齐次化处理，统一若干气象因子的时间基准，获取气象预观测序列；

9、根据所述气象观测序列提取所气象观测序列的缺失值，并进行缺失值补齐与标识，获取气象观测序列。

10、进一步地，对所述气象观测序列进行数据异常检测，包括：

11、采集历史气象观测信息，基于所述历史气象观测信息设置温度范围阈值与温度变化阈值；

12、基于所述温度范围阈值与所述气象观测序列的每一观测记录进行逐点比较，若所述观测记录不处于所述温度范围阈值，则被标记为范围异常记录；

13、根据所述气象观测序列逐点计算每一所述观测记录与相邻所述观测记录的差值，根据计算的差值与所述温度变化阈值进行比较，若所述观测记录不处于所述温度变化阈值，则被标记为变化异常记录；

14、其中，所述异常检测同样适用于其它所述气象因子。

15、进一步地，对所述气象观测序列进行数据异常检测，包括：

16、计算所述气象观测序列的观测中位数，并获取所述气象观测序列的观测时间范围；

17、基于所述历史气象观测信息计算任一所述观测记录的标准差，作为观测记录权重值；

18、基于所述观测中位数、所述观测时间范围、以及所述观测记录权重值进行双权重标准差检验，计算公式如下：

19、

20、其中，avebw为双权重平均值，stdbw为双权重标准偏差，为第n个所述观测记录的观测温度，m为所述观测中位数，n为所述观测时间范围，mad为所述观测记录与所述观测中位数的差值中位数，为第n个所述观测记录的权重值，若|wn|＞1.0，则wn＝1.0，当满足加权异常检测条件时，被标记为权重异常记录；

21、将所述范围异常记录、所述变化异常记录以及所述权重异常记录进行统合，获取综合异常记录；

22、其中，所述异常检测同样适用于其它所述气象因子。

23、进一步地，对所述综合异常记录进行数据校正，生成气象替换子序，包括：

24、基于所述气象校正子序构建三次样条插值函数，所述三次样条插值函数在所述气象校正子序上连续；

25、将所述综合异常记录的时间点带入所述三次样条插值函数，计算异常插值，并获取气象替换子序；

26、将所述气象替换子序替换所述综合异常记录，生成气象校正序列。

27、进一步地，对所述气象校正序列进行协同分析，获取协同分析结果，基于所述协同分析结果识别潜在异常，并对所述潜在异常进行优化，包括：

28、基于所述气象校正序列构建协方差矩阵，其中所述协方差矩阵的矩阵行表示时间序列，所述矩阵列表示气象因子；分别计算所述协方差矩阵的特征值与所述特征值对应的特征向量，所述特征值用于表示对应所述气象因子的权重比，所述特征向量用于指示所述气象因子的相互关系以及变化趋势；

29、根据历史气象观测信息设定累计贡献阈值，基于所述累计贡献阈值进行所述特征值以及对应特征向量的筛选，获取筛选结果，将筛选后的特征向量组成特征向量矩阵；

30、对所述特征向量矩阵进行主成分分析，获取气象因子时序变化信息，并结合统计异常检测方法识别潜在异常记录，对所述潜在异常记录进行优化。

31、进一步地，基于所述气象校正序列构建协方差矩阵，包括：

32、根据所述气象校正序列构建气象矩阵，并对所述气象矩阵进行标准化处理，获取气象标准矩阵；

33、将每一所述气象因子分别与全部所述气象因子进行单循环组合，生成若干气象变量对，对若干所述气象变量对进行协方差计算，获取若干协方差，所述协方差计算公式如下：

34、

35、其中，zij与zik为第i个时间节点的第j和第k个气象因子的观测记录，与为第j和第k个气象因子的观测平均值；

36、基于若干所述协方差构建协方差矩阵。

37、进一步地，对所述特征向量矩阵进行主成分分析，获取气象因子协同变化信息，包括：

38、将所述气象标准矩阵与所述特征向量矩阵进行矩阵乘法运算，获取主成分分析矩阵，其中，所述主成分分析矩阵中的每一列代表一个主成分方向，所述列下的每一行代表时间节点的主成分得分；

39、根据所述主成分得分，识别气象因子在同一时间节点下的协同变化模式，获取气象因子时序变化信息。

40、一种基于eof的新能源厂站气象资料控制系统，所述系统包括：

41、气象数据预处理模块，采集新能源厂站的气象观测信息，提取气象因子数据，并对若干所述气象因子数据进行预处理，获得气象观测序列；

42、异常数据剔除模块，对所述气象观测序列进行数据异常检测，确定综合异常记录并进行剔除，获取气象校正子序；数据校正整合模块，对所述综合异常记录进行数据校正，生成气象替换子序，整合所述气象替换子序与所述气象校正子序，获得气象校正序列；

43、协同异常优化模块，对所述气象校正序列进行协同分析，获取协同分析结果，基于所述协同分析结果识别潜在异常，并对所述潜在异常进行优化。

44、进一步地，所述协同异常优化模块包括：

45、协方差矩阵构建单元，基于所述气象校正序列构建协方差矩阵，其中所述协方差矩阵的矩阵行表示时间序列，所述矩阵列表示气象因子；

46、特征值向量分析单元，分别计算所述协方差矩阵的特征值与所述特征值对应的特征向量，所述特征值用于表示对应所述气象因子的权重比，所述特征向量用于指示所述气象因子的相互关系以及变化趋势；

47、特征向量筛选单元，根据历史气象观测信息设定累计贡献阈值，基于所述累计贡献阈值进行所述特征值以及对应特征向量的筛选，获取筛选结果，将筛选后的特征向量组成特征向量矩阵；

48、主成分异常优化单元，对所述特征向量矩阵进行主成分分析，获取气象因子时序变化信息，并结合统计异常检测方法识别潜在异常记录，对所述潜在异常记录进行优化。

49、通过本发明的技术方案，可实现以下技术效果：

50、有效解决了传统气象数据异常检测不精准、修正不及时的问题，使得气象数据在复杂工况下能够快速完成校正与优化，从而提升数据可靠性，增强新能源厂站运行管理的精度和效率。

51、上述说明仅是本技术技术方案的概述，为了能够更清楚了解本技术的技术手段，而可依照说明书的内容予以实施，并且为了让本技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本技术的具体实施方式。