1.一种基于四分位与改进孤立最近邻的风电功率异常数据检测方法，其特征是，包括以下步骤：步骤1、去除功率0值附近堆积型异常数据；

步骤2、划分风速区间；

步骤3、采用四分位法对风电功率异常值进行初步检测；

步骤4、采用改进孤立最近邻方法对风电功率异常值进行二次检测。

2.根据权利要求1所述的风电功率异常数据检测方法，其特征是，步骤1的具体方式是：根据风电机组出厂参数提供的切入风速，选择大于该风速值的运行数据，判断对应的风电功率值是否满足剔除阈值，大于该阈值的保留，小于该阈值的去除，阈值设定为风电机组额定功率的5％。

3.根据权利要求2所述的风电功率异常数据检测方法，其特征是，步骤2的具体划分方式是：将风速在最小值与最大值之间以0.5m/s的区间进行划分，对每个风速区间内的功率值从小到大进行排序。

4.根据权利要求3所述的风电功率异常数据检测方法，其特征是，步骤3的具体操作方式是：对划分好的每个风速区间内的功率值pk从小到大进行排序，得到每个风速区间内的功率值序列：p＝[p1,p2,…,pn]；

计算上述功率值序列中25％的分位数Q1和75％的分位数Q3：

由分位数Q1和分位数Q3计算四分位距IQR：

IQR＝Q3‑Q1                                                            (3)定义正常值的范围[R1,R2]：[R1,R2]＝[Q1‑1.5IQR,Q3+1.5IQR]                                          (4)式中，R1为正常值区间的下边界，R2为正常值区间的上边界；

通过计算正常值区间的下边界R1和正常值区间的上边界R2，获得正常值的范围为：[R1,R2]，对于超出正常值范围[R1,R2]内限的值，即为通过四分位法识别出的异常值；对于满足正常值范围[R1,R2]内限的值，则予以保留。

5.根据权利要求4所述的风电功率异常数据检测方法，其特征是，步骤4的具体操作方式是：定义分类器数量为C，第c个分类器(c＝1,2,…,C)的生成方式如下：在训练样本ψ中随机均匀抽取一个子样本ψc，设ψc的样本数量为Nc；以子样本ψc中的每个样本点p为中心，构建Nc个超球的集合，每个超球以其最近邻样本间的欧式距离为半径；其中，两个样本间的欧式距离{||a,b||,a,b∈ψc}定义为：式中，N为样本的维度；

定义ηp是样本点p的最近邻样本；B(p)是以样本点p为中心、半径为τ(p)＝||p‑ηp||的超球；给定一个测试点x，通过判断测试点x所在的超球及最近邻超球的半径，计算该测试点的修正异常分数 为：式中， ζ(x)表示点x所在最小超球的球心，ηξ(x)表示ζ(x)附近最小超球半径的近邻点；max(τ(p))为子样本ψc所构建的超球组最大超球的半径，为全局系数；

在对全体数据进行测试后，计算所有数据的异常评分，对评分数据进行排序，在设定剔除比例后，对评分较高部分进行剔除，完成对风电功率异常值的二次检测。