1.一种风机运行数据异常值筛选方法，其特征在于，包括以下步骤：获取目标风机组历史运行数据以及其所属地区的天气历史数据；对天气历史数据进行预处理得到急流指数数据；

将天气历史数据、急流指数数据以及风机历史运行数据进行时空对齐处理得到融合数据集；

将融合数据集中的风机组历史运行数据里的风机功率和急流指数数据里的风速分别作为横纵坐标作为数据点构建边界盒模型，将边界盒外的数据点标识为疑似异常点；

判断疑似异常点的急流核心风速值是否低于预设急流阈值，如果是则将该点判定为故障异常点；否则，将目标风机组对应的静态地理数据和该数据点对应的天气历史数据输入CFD微尺度模型计算理论风机功率范围；

如果该数据点对应的风机功率值超出理论风机功率范围，将其判定为故障异常点，否则判定为极端真值点；

所述CFD微尺度模型构建过程包括：

建立基于对数风轮廓线的高度修正模型将天气历史数据中风速数据对应的高度修正至风机轮毂所在高度；

采用地形加速因子查表法为不同地形赋予不同的修正系数以对地形效应进行修正；

集成物理约束模型，包括空气密度修正、尾流损失系数和湍流强度衰减因子；

通过分段线性插值建立标准功率曲线，在关键点间进行三次样条插值，并引入不确定性得到理论风机功率范围；

将故障异常点对应的风机组历史运行数据中剔除，并以此训练预测模型，将待填补数据空位的相关数据输入训练完成的预测模型填补数据空位得到风机组正常历史运行数据集。

2.根据权利要求1所述的方法，其特征在于，对天气历史数据的预处理包括以下过程：从天气历史数据中提取预设高度气压层的纬向风和经向风分量；

计算纬向风和经向风的合风速，并将合风速大于预设风速阈值的区域识别为急流核心；

计算急流核心与目标风电组中心位置的距离和方向向量，将所得距离和方向向量与急流核心处的最大风速作为急流指数数据。

3.根据权利要求1所述的方法，其特征在于，所述时空对齐处理包括以下过程：以风机历史运行数据的时间戳为基准，对天气历史数据和急流指数数据进行三次样条插值实现三种数据的时间对齐；

将天气历史数据和急流指数数据通过双线性插法映射至风机历史运行数据中的风机地理位置实现三种数据的空间对齐。

4.根据权利要求1所述的方法，其特征在于：所述边界盒模型采用DBSCAN算法构建。

5.根据权利要求1所述的方法，其特征在于，所述预设急流阈值包括短期急流阈值和长期急流阈值，两者的确定方式为：短期急流阈值：选取待判定疑似异常点所处时刻前第一预设时间范围内的急流核心风速构成第一急流核心风速集合，选取该集合中下分位数或其前方的一个急流核心风速作为短期急流阈值；

长期急流阈值：选取待判定疑似异常点所处时刻前第二预设时间范围内的急流核心风速构成第二急流核心风速集合，选取该集合中下分位数或其前方的一个急流核心风速作为长期急流阈值；

第一预设时间范围小于第二预设时间范围；待判定疑似故障点的急流核心风速值同时小于两个急流阈值时认定其小于预设急流阈值。

6.根据权利要求1所述的方法，其特征在于，所述高度修正模型的表达式为，其中，  和 分别为天气历史数据中风速值和修正后的风速， 和 分别为天气历史数据中风速值所对应的高度和风机轮毂所处高度， 为粗糙度长度；

空气密度修正的表达式为

，

其中， 为修正后的空气密度，P为大气压力，R是干空气气体常数，T为绝对温度。

7.根据权利要求1所述的方法，其特征在于：所述预测模型采用随机森林模型；使用提出故障异常点对应数据的风机历史运行数据训练预测模型。

8.一种风机运行数据异常值筛选系统，其特征在于，包括：数据采集和预处理模块：用于获取目标风机组历史运行数据以及其所属地区的天气历史数据；对天气历史数据进行预处理得到急流指数数据；

数据融合模块：用于将天气历史数据、急流指数数据以及风机历史运行数据进行时空对齐处理得到融合数据集；

故障值筛选模块：用于将融合数据集中的风机组历史运行数据里的风机功率和急流指数数据里的急流核心风速分别作为横纵坐标作为数据点构建边界盒模型，将边界盒外的数据点标识为疑似异常点；

判断疑似异常点的急流核心风速值是否低于预设急流阈值，如果是则将该点判定为故障异常点；否则，将目标风机组对应的静态地理数据和该数据点对应的天气历史数据输入CFD微尺度模型计算理论风机功率范围；

如果该数据点对应的风机功率值超出理论风机功率范围，将其判定为故障异常点，否则判定为极端真值点；

所述CFD微尺度模型构建过程包括：

建立基于对数风轮廓线的高度修正模型将天气历史数据中风速数据对应的高度修正至风机轮毂所在高度；

采用地形加速因子查表法为不同地形赋予不同的修正系数以对地形效应进行修正；

集成物理约束模型，包括空气密度修正、尾流损失系数和湍流强度衰减因子；

通过分段线性插值建立标准功率曲线，在关键点间进行三次样条插值，并引入不确定性得到理论风机功率范围；

数据填补模块：用于将故障异常点对应的风机组历史运行数据中剔除，并以此训练预测模型，将待填补数据空位的相关数据输入训练完成的预测模型填补数据空位得到风机组正常历史运行数据集。

9.一种存储一个或多个程序的计算机可读存储介质，其特征在于：包括一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行根据权利要求1至 7所述的方法中的任一方法。