随着风力发电的快速发展,风能己经成为我国新能源发电中所占比重最大的能源。然而,由于风电自身的特点,波动性和随机性大,不可控问题严重,并网和消纳正逐渐成为制约风电开发的最主要问题。同时我国的风资源条件和系统调峰能力都与欧美等国家有较大的差距,因此我国风电的“弃风”压力也就显得格外明显。为了促进风电的健康发展,提高风电场群的运行效率、降低“弃风率”,本文基于风电场群的运行数据,在数据预处理、风电场群理论功率恢复和风电特性分析方面进行了研究,主要研究工作如下:数据挖掘的一项重要工作就是数据预处理。本文的研究对象主要是数据采集与监视控制系统(SCADA,Supervisory Control And Data Acquisition)中得到的风速、风功率等数据,采用机理分析、参数优化的四分位法及聚类算法剔除其中的异常数据,并基于分段Hermite插值理论建立缺失数据填补模型对风功率数据进行填补,具有很高的精度,可以满足数据预处理的要求。基于数据预处理后的风速、风功率数据,通过求得风速、功率均值将同一型号的风机等价为一台风机,然后通过建模可以得到该等价风机的理论功率,利用该理论功率与该型号风机数量可得到风电场中该型号风机总的理论功率;对不同型号的风机均采用该处理方法,将不同型号风机的总的理论功率进行求和即可得到风电场理论功率。最后将求得的各个风电场的理论功率进行累加得到整个风电场群的理论功率。在风电场理论功率恢复的基础上,通过记录在SCADA中的风电场群的风速数据、风功率数据等数据,建立一套相对完整的风电特性指标体系,并对风电场群的特性进行分析,进而得到其风资源特性、出力特性和运营特性。