随着信息技术的不断发展和进步,对大数据的分析和利用成为各行业发展的关键,风电领域也不例外。通过对风电机组运行数据的分析可以对风机运行状态进行判断和预测,及时发现故障,对机组运行的安全性和经济性有重要的意义。风电机组的数据分析建立在SCADA系统采集到的数据基础上,但采集的原始数据中往往包含着很多“脏数据”——即缺失数据,重复数据,异常数据等。如果用含有“脏数据”的原始数据进行分析会导致分析结果产生很大偏差,对运行状态的判断造成很大影响,因此,需要对原始SCADA数据进行数据清洗。本文以安徽某风场SCADA运行数据为例,对风电机组数据清洗的方法进行了研究。课题主要内容如下:1、由于风速随机变化,基于单台机组分析运行数据较为困难,因此提出邻比机组的概念,通过建立邻比机组之间相关性的数据模型进行数据清洗。但对于如何确定邻比机组没有明确的定论。本文基于皮尔森相关系数,通过分析大量历史数据,给出了一个较为准确的计算相关系数最小时间长度,同时分析了不同风资源对相关系数的影响。2、数据异常检测方法研究。采用最小二乘支持向量机方法建立反映风机之间相似关系的邻比模型。将多台邻比机组的相同变量数据进行横向对比分析,通过预测残差分析异常。3、数据插补方法研究。提出了两种插补方法:一种是基于ARMA模型的时间序列插补方法,通过顺插和逆插结合,提高了模型的预测精度。另一种是基于随机森林法的邻比机组插补方法,分别对单台邻比机组和多台邻比机组插补进行了分析。