1CHINAWINDPOWER2018CHINAWINDPOWER2018用于風機功率曲線評估的SCADA數據最優時間步長研究ResearchonOptimalTimeStepofSCADADataforPowerCurveAssessmentofWindTurbineJiangZixiao,Meteodyn2提綱

CHINAWINDPOWER2018數據處理剔除不合理數據剔除風機異常運行數據數據時間平均功率曲線評估根據不同時間步長的數據評估風機功率曲線計算RMSE頻譜分析應用信號處理方法對風速和功率進行分析結論10min的時間步長為較好的選擇conclusion3提綱

CHINAWINDPOWER2018數據處理功率曲線評估頻譜分析結論4CHINAWINDPOWER2018數據處理數據檢驗數據采集或記錄過程中產生的不合理數據應被剔除數據缺失范圍檢驗趨勢檢驗相關性檢驗有效數據SCADA數據5CHINAWINDPOWER2018數據處理風機運行狀態識別當風機處在非正常發電狀態下的數據應被剔除正常限電停機超發欠發6CHINAWINDPOWER2018數據處理風機運行狀態識別SCADA數據剔除測量錯誤數據評估SCADA功率曲線分類標記數據利用正常運行數據重新計算功率曲線7CHINAWINDPOWER2018數據處理SCADA數據時間平均將風速和功率數據按照不同時間步長進行時間平均7s120min60min30s1min5min10min30min8提綱

CHINAWINDPOWER2018數據處理功率曲線評估頻譜分析結論9CHINAWINDPOWER2018功率曲線評估功率曲線評估不同時間步長的風速、功率數據及相應評估得到的功率曲線10CHINAWINDPOWER2018功率曲線評估RMSE輸出功率測量值相對于預測值（功率曲線）的RMSERMSE：RootMeanSquareError均方根誤差時間步長10min時間步長RMSE最低時間步長11CHINAWINDPOWER2018功率曲線評估RMSE時間步長很短時，RMSE較大；時間步長10min時，RMSE最小；隨著時間步長進一步增加，RMSE緩慢增加。10min時間步長RMSE最低12提綱

CHINAWINDPOWER2018數據處理功率曲線評估頻譜分析結論13CHINAWINDPOWER2018頻譜分析PSD分別計算功率、風速兩個信號通道的PSDPSD：PowerSpectrumDensity功率譜密度右圖給出了兩個信號的PSD比值曲線頻率高于0.03Hz時，兩個信號變化很小，數據僅代表了測量噪聲頻率高于0.03時，比值接近于恒定14CHINAWINDPOWER2018頻譜分析PSD將上圖坐標改成對數坐標，則該曲線與Bode幅頻圖類似表現類似于一階低通濾波器頻率低于0.005Hz時，功率可響應風速的變化而變化頻率高于0.005Hz時，功率無法響應風速的快速變化30s3min25min15CHINAWINDPOWER2018頻譜分析PSD對于高頻（時間步長低于30s），噪聲是信號的主導因素對于中頻，風機表現為在0.005Hz調諧的一階低通濾波器中高頻（30s~3min）信號被過濾——頻率越高過濾越多中低頻（3min~25min）信號的響應大致平坦30s30s3min25min16提綱

CHINAWINDPOWER2018數據處理功率曲線評估頻譜分析結論17CHINAWINDPOWER2018結論結論3min為包括輪轂和發電機等在內的整個轉動部件機械慣性的響應時間，若時間步長短于3min，風機輪轂轉速由于慣性而無法跟隨風速快