1.一种精准识别风功率异常值的清洗方法,其特征在于,包括:获取待清洗风功率数据,并对所述待清洗风功率数据进行预处理;
对预处理后的所述待清洗风功率数据利用垂直四分位法进行第一次异常值剔除,获取第一正常数据;
对所述第一正常数据利用水平四分位法进行第二次异常值剔除,获取第二正常数据;
对所述第二正常数据利用Cook's距离检测法进行第三次异常值剔除,获取第三正常数据,完成对所述待清洗风功率数据的异常值清洗;
对所述第二正常数据利用Cook's距离检测法进行第三次异常值剔除包括:确定划分点,根据所述划分点将所述第二正常数据划分为非线性分布段和线性分布段;
分别对所述非线性分布段和线性分布段进行回归拟合,获取所述非线性分布段和线性分布段内每个风速点对应的功率预测值;
基于所述功率预测值分别计算所述非线性分布段和线性分布段内每个风速点对应的功率真实值的Cook's距离;
经过将所述Cook's距离与预设的Cook's距离阈值进行比较进行第三次异常值剔除,获取所述第三正常数据。
2.根据权利要求1所述的精准识别风功率异常值的清洗方法,其特征在于,对所述待清洗风功率数据进行预处理包括:对所述待清洗风功率数据进行缺失值和特殊符号处理,并剔除功率值小于和等于0的数据。
3.根据权利要求1所述的精准识别风功率异常值的清洗方法,其特征在于,对预处理后的所述待清洗风功率数据利用垂直四分位法进行第一次异常值剔除包括:将预处理后的所述待清洗风功率数据按照风速区间进行分组,并确定每个风速区间内的功率阈值;
基于所述功率阈值对预处理后的所述待清洗风功率数据进行第一次异常值剔除,获取所述第一正常数据。
4.根据权利要求3所述的精准识别风功率异常值的清洗方法,其特征在于,确定每个风速区间内的功率阈值的方法为:[F
其中,F
5.根据权利要求1所述的精准识别风功率异常值的清洗方法,其特征在于,对所述第一正常数据利用水平四分位法进行第二次异常值剔除包括:将所述第一正常数据按照功率区间进行分组,并确定每个功率区间内的风速阈值;
基于所述风速阈值对所述第一正常数据进行第二次异常值剔除,获取所述第二正常数据。
6.根据权利要求5所述的精准识别风功率异常值的清洗方法,其特征在于,确定每个功率区间内的风速阈值的方法为:[F
其中,F
7.根据权利要求1所述的精准识别风功率异常值的清洗方法,其特征在于,分别对所述非线性分布段和线性分布段进行回归拟合包括:对所述非线性分布段进行多项式拟合,获取功率多项式拟合预测值;
对所述线性分布段进行最小二乘拟合,获取功率线性拟合预测值。
8.根据权利要求1所述的精准识别风功率异常值的清洗方法,其特征在于,基于所述功率预测值分别计算所述非线性分布段和线性分布段内每个风速点对应的功率真实值的Cook's距离的方法为:其中,D
9.根据权利要求1所述的精准识别风功率异常值的清洗方法,其特征在于,所述Cook's距离阈值根据Cook's距离值的百分点函数进行设置,所述百分点函数为:Threshold=Percentile(distances,1-α)其中,Threshold为Cook's距离阈值,Percentile为百分位点,distances为Cook's距离值,1-α为预期要得到的阈值点对应的百分位点,α为置信度水平。