本发明涉及数据建模，具体地涉及一种基于核密度连续分布的风电功率曲线建模方法及一种基于核密度连续分布的风电功率曲线建模装置。
背景技术：
1、随着风力发电技术发展，风电场初始采集的数据量很大且种类繁多，原始数据存在多种问题，比如数据格式异常、缺值、设备故障导致的回传偏差和批量噪声等。这给风电场的数据挖掘、风能资源评估以及功率预测都带来了很大的干扰性。
2、如果简单地填充或抛弃缺失值和错误值，会严重影响数据挖掘效果，并改变原始数据的真实有效性及其分布。现有的数据修正及预处理方法包括箱线法、聚类dbscan及标准差法等，然而上述方法无法满足处理更高精度的要求，也不能解决风功率数据不一致的情况，而手动或半自动处理方式需要依赖个人经验，主观性强，误差较大，同时也会耗费大量的时间。
3、若直接参考风机的出厂设置，计算参数可以得到原始的风速功率曲线，则无法满足于风场汇聚及出力特征挖掘时的应用，造成风电场的所有风机汇聚后的平均风速提取和实时出力规律无法客观的展现。
技术实现思路
1、为了克服现有技术中存在的上述技术问题，本发明实施例提供一种基于核密度连续分布的风电功率曲线建模方法及建模装置，通过对传统的建模方法进行改进，利用风电功率的核密度统计信息对风电功率的分布规律进行分析，并进行建模，从而提高了建模的精确性。
2、为了实现上述目的，本发明实施例提供一种基于核密度连续分布的风电功率曲线建模方法，所述方法包括：获取风电功率的样本数据；对所述样本数据进行分析，生成对应的概率密度统计信息；对所述概率密度统计信息进行处理，生成针对每个风速尺度的概率密度曲线；基于所述概率密度曲线生成对应的风电功率曲线数组；基于所述风电功率曲线数组生成风电功率曲线模型。
3、优选地，所述对所述样本数据进行分析，生成对应的概率密度统计信息，包括：基于预设分割尺度对所述样本数据执行风速尺度分割操作，获得分割后数据；基于所述分割后数据构建二维特征矩阵；基于所述二维特征矩阵生成目标曲线；对所述目标曲线执行分布检验操作，生成对应的概率密度统计信息。
4、优选地，所述基于预设分割尺度对所述样本数据执行风速尺度分割操作，包括：确定风电功率的真实函数，获取模型预测函数；基于所述真实函数和所述模型预测函数确定均方积分绝对误差；基于所述均方积分绝对误差确定最优邻边距；基于所述最优邻边距确定预设分割尺度；基于所述预设分割尺度对所述样本数据执行风速尺度分割操作。
5、优选地，所述基于所述概率密度曲线生成对应的风电功率曲线数组，包括：对所述样本数据进行分布校验，获得对应的核密度；基于所述核密度提取等高线数据；获取所述概率密度曲线的线性插值取值点；基于所述等高线数据和所述线性插值取值点确定所述概率密度曲线的中心点估计二维数组；基于所述中心点估计二维数组生成风电功率曲线数组。
6、优选地，所述基于所述中心点估计二维数组生成风电功率曲线数组，包括：基于孤立森林算法对所述中心点估计二维数组执行异常值筛选操作，获得筛选后数组；基于波动检测算法对所述筛选后数组执行波动过滤操作，获得初始功率数组；基于bin区间算法对所述初始功率数组执行局部平滑处理，获得处理后数组；基于lof局部邻域密度算法对所述处理后数组进行处理，生成风电功率曲线数组。
7、优选地，所述基于bin区间算法对所述初始功率数组执行局部平滑处理，获得处理后数组，包括：基于bin区间算法对所述初始功率数组进行分析，生成估计最大邻边距；基于局部统计算法确定期望值；基于所述期望值和所述估计最大邻边距对所述初始功率数组执行局部平滑处理，生成处理后数组。
8、优选地，所述基于所述风电功率曲线数组生成风电功率曲线模型，包括：对所述风电功率曲线数组执行初始化操作，获得初始化后数组；获取风机的切入风速和切出风速；基于所述初始化后数组、所述切入风速和所述切出风速生成风电功率曲线模型。
9、相应的，本发明还提供一种基于核密度连续分布的风电功率曲线建模装置，所述装置包括：数据获取单元，用于获取风电功率的样本数据；分析单元，用于对所述样本数据进行分析，生成对应的概率密度统计信息；处理单元，用于对所述概率密度统计信息进行处理，生成针对每个风速尺度的概率密度曲线；数组生成单元，用于基于所述概率密度曲线生成对应的风电功率曲线数组；模型生成单元，用于基于所述风电功率曲线数组生成风电功率曲线模型。
10、优选地，所述分析单元具体用于：基于预设分割尺度对所述样本数据执行风速尺度分割操作，获得分割后数据；基于所述分割后数据构建二维特征矩阵；基于所述二维特征矩阵生成目标曲线；对所述目标曲线执行分布检验操作，生成对应的概率密度统计信息。
11、优选地，所述数组生成单元具体用于：对所述样本数据进行分布校验，获得对应的核密度；基于所述核密度提取等高线数据；获取所述概率密度曲线的线性插值取值点；基于所述等高线数据和所述线性插值取值点确定所述概率密度曲线的中心点估计二维数组；基于所述中心点估计二维数组生成风电功率曲线数组。
12、通过本发明提供的技术方案，本发明至少具有如下技术效果：
13、通过对现有的风电功率建模方法进行改进，通过对风电功率的核密度统计信息进行分析，充分挖掘其时间序列的趋势性，实现对风资源的更精确的跟踪和分析，大大提高了风电功率建模的精确性。
14、本发明实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
1.一种基于核密度连续分布的风电功率曲线建模方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述对所述样本数据进行分析，生成对应的概率密度统计信息，包括：
3.根据权利要求2所述的方法，其特征在于，所述基于预设分割尺度对所述样本数据执行风速尺度分割操作，包括：
4.根据权利要求2所述的方法，其特征在于，所述基于所述概率密度曲线生成对应的风电功率曲线数组，包括：
5.根据权利要求4所述的方法，其特征在于，所述基于所述中心点估计二维数组生成风电功率曲线数组，包括：
6.根据权利要求5所述的方法，其特征在于，所述基于bin区间算法对所述初始功率数组执行局部平滑处理，获得处理后数组，包括：
7.根据权利要求1所述的方法，其特征在于，所述基于所述风电功率曲线数组生成风电功率曲线模型，包括：
8.一种基于核密度连续分布的风电功率曲线建模装置，其特征在于，所述装置包括：
9.根据权利要求8所述的装置，其特征在于，所述分析单元具体用于：
10.根据权利要求9所述的装置，其特征在于，所述数组生成单元具体用于：
