Yijun Shen · Bo Chen · Jianzheng Wang · Shichao Liu 等5人 · IEEE Transactions on Sustainable Energy · 2025年3月

风电机组功率曲线是评估其发电性能的重要指标，对风电场运行和电力系统调度具有重要意义。然而，机组停机、传感器故障和限电等因素导致大量异常值，给状态监测与功率预测带来挑战。针对异常数据特点，本文提出一种基于Wasserstein距离的风电场迭代清洗方法，结合神经网络与单调性约束，利用Wasserstein距离建模风速-功率关系并同步剔除异常点，使拟合曲线逐步逼近真实功率曲线。在数值模拟和十二个实测风电机组数据集上的实验表明，该方法在存在大量异常数据的情况下仍能构建高精度功率曲线模型，性能显著优于现有...

解读: 该风电数据清洗方法对阳光电源的风电变流器和智能运维系统具有重要应用价值。基于Wasserstein距离的异常数据识别技术可集成到iSolarCloud平台,提升风电场运行数据的质量和可靠性。具体可应用于:(1)风电变流器的功率曲线优化与效率提升;(2)iSolarCloud平台的智能诊断与预测性维护...