Yan Chen · Guihua Banb · Tingxiao Dinga · Applied Energy · 2025年1月 · Vol.396

尽管图像处理技术在风电功率曲线（WPC）异常检测领域发挥着先进作用，能够准确识别各类异常数据，但仍面临三大挑战：依赖人工标注的参考样本、通过栅格化和距离计算表示数据密度，以及对堆叠型异常数据识别精度不足。为解决上述问题，本研究提出一种简单且高效的WPC异常数据识别与清洗方法。该方法无需依赖人工标注的参考样本，仅通过调节两个参数的取值即可实现不同类型WPC异常数据的识别。所提方法首先采用alpha通道融合机制，在连续空间中直接表征数据密度，从而避免了栅格化处理；其次，引入边界离散化、序列平滑技术及...

解读: 该风电异常数据识别技术对阳光电源储能系统和智能运维平台具有重要借鉴价值。其alpha通道融合机制可应用于iSolarCloud平台的功率曲线异常检测,提升ST系列储能变流器和SG系列光伏逆变器的数据清洗能力。无需人工标注样本的特点契合大规模新能源场站运维需求,边界离散化与Canny边缘检测算法可增强...