摘要: 在风电场实测数据中由于传感器异常、传输干扰和弃风限电等因素使得数据含有大量异常数据，异常数据不仅干扰了风电功率预测误差，还阻碍了实测数据的进一步应用研究。根据风速和功率序列的时变性采用波动率的方法剔除弃风限电数据，针对含有孤立和离群数据利用正则化自适应学习算法搭建风速和功率的自主学习性映射关系，然后计算功率曲线和实测数据差值获得功率误差分布，并采用广义误差分布的方法拟合概率密度函数。设定不同的置信度将实测数据分层，并对不同层的数据采用不同的异常数据识别方法剔除并修正。最后采用预测算法评估检测异常数据的准确程度，仿真结果表明，与传统3-sigma检测方法对比算法具有一定的优越性和识别精度。