买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中国长江三峡集团有限公司;华北电力大学申请的专利一种基于时序匹配和双向四分位算法的异常数据清洗方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114968999B 。

龙图腾网通过国家知识产权局官网在2025-08-29发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210565276.9，技术领域涉及：G06F16/215；该发明授权一种基于时序匹配和双向四分位算法的异常数据清洗方法是由邹祖冰;乔延辉;王罗;韩爽;孙长平;刘永前;李梦杰;刘杰;张美俊;汤维贵设计研发完成，并于2022-05-23向国家知识产权局提交的专利申请。

本一种基于时序匹配和双向四分位算法的异常数据清洗方法在说明书摘要公布了：本发明公开了属于风电机组发电技术领域的一种基于时序匹配和双向四分位算法的异常数据清洗方法。该方法包括以下步骤：步骤1：采集风电机组的实测风速和风电功率数据；步骤2：辨识风电机组限功率异常数据；具体包括：步骤21：采用基本趋势转折点和重要趋势转折点确定算法对风电功率时间序列进行分段划分；步骤22：基于风速‑风电功率时序匹配度量对限功率分段时间序列进行筛选；步骤23：基于额定功率剔除系数对额定功率分段时间序列进行剔除；步骤3：利用双向四分位算法清洗风电功率分散型异常数据。本发明能够同时有效地清洗堆积型异常数据和分散型异常数据，且可以有效辨识过渡区域内与正常数据空间分布特征相似的异常运行数据。

本发明授权一种基于时序匹配和双向四分位算法的异常数据清洗方法在权利要求书中公布了：1.一种基于时序匹配和双向四分位算法的异常数据清洗方法，其特征在于，包括以下步骤： 步骤1：采集风电机组的实测风速和风电功率数据； 步骤2：利用风速-风电功率时序匹配算法辨识风电机组限功率异常数据；具体包括： 步骤21：采用基本趋势转折点和重要趋势转折点确定算法对风电功率时间序列进行分段划分； 步骤22：基于风速-风电功率时序匹配度量对限功率分段时间序列进行筛选； 所述步骤22具体包括如下子步骤： 步骤221：采用数据时间对标法，提取不同风电功率分段时间序列所对应的风速分段时间序列； 步骤222：计算不同分段时间序列的长度L；所述分段时间序列的长度L应满足L≥γ，γ为时长阈值； 步骤223：计算不同分段时间序列的风速-风电功率时序匹配度，提取时序不匹配的风电功率分段时间序列； 所述步骤223具体如下： 根据风电机组限功率数据在风速-风电功率散点图中的横向堆积分布特征，采用线性拟合法求取不同分段时间序列中风速和风电功率的线性函数；再根据线性函数的斜率提取风电机组限功率数据，线性函数的斜率越接近0，该分段时间序列的数据是限功率数据的可能性越大；所述线性函数和斜率阈值如公式3和公式4所示： P＝aiV+bi3 ai≤δ4 式中，ai为第i个分段时间序列对应线性函数的斜率；bi为第i个分段时间序列对应线性函数的截距；δ为用于确定风电机组限功率数据的斜率阈值； 步骤23：基于额定功率剔除系数对额定功率分段时间序列进行剔除； 步骤3：利用双向四分位算法清洗风电功率分散型异常数据； 所述步骤3具体包括以下子步骤： 步骤31：采用纵向四分位算法清洗纵向分布的风电机组分散型异常数据；将风速按照0.25ms的区间间隔划分为若干个风速区间，并计算各风速区间内风电功率的异常值内限，内限以外的数据为异常数据；其中，第i个风速区间内，风电功率的异常值内限计算方法如公式6所示： 式中，为第i个风速区间风电功率的异常值内限下限；为第i个风速区间风电功率的异常值内限上限；为第i个风速区间风电功率的第一分位数；为第i个风速区间风电功率的第三分位数；为第i个风速区间风电功率的四分位距， 步骤32：采用横向四分位算法清洗横向分布的风电机组分散型异常数据；将风电功率按照25kW的区间间隔划分为若干个风电功率区间，并计算各风电功率区间内风速的异常值内限，内限以外的数据为异常数据；其中，第i个风电功率区间内，风速的异常值内限计算方法如公式7所示： 式中，为第i个风电功率区间风速的异常值内限下限；为第i个风电功率区间风速的异常值内限上限；为第i个风电功率区间风速的第一分位数；为第i个风电功率区间风速的第三分位数；为第i个风速区间风电功率的四分位距，

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国长江三峡集团有限公司;华北电力大学，其通讯地址为：430010 湖北省武汉市江岸区六合路1号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。