随着工业生产的发展与进步,能源需求逐年增加,风能作为一种清洁能源占据了重要地位。但是风电功率的波动性和随机性等问题,使弃风限电现象在偏远地区普遍存在,浪费了大量风能资源。本文通过清洗风场收集的原始数据中的异常数据,进行风能评估为风场选址提供指导;建立风电机组实际功率特性曲线准确反映各个风电机组不同风速下的实际功率值,不仅可以为风能评估、风力发电机组设计和机组工作状态检测提供技术支持,还可以为风电并网提供功率预测,减少风能损失。本文主要工作内容如下:1)介绍了风速-功率数据中异常数据的定义、分布特征、分类及其对功率曲线建模和分析的影响,并重点论述分析了目前研究中常用的几种异常数据清洗方法的原理及其优缺点,为后续章节的展开提供了基础。2)提出了基于贝叶斯变点-四分位组合算法的异常数据清洗方法。根据异常数据分布特征,首先利用贝叶斯变点法清洗底部叠加异常值和中部稀疏异常值,然后利用四分位法清洗顶部稀疏异常值,得到了能够反映机组真实工作状态的数据。最后,通过与传统最小二乘变点法的比较,证明所提方法更加准确高效。3)建立了基于混合Weibull分布和高阶von Mises分布的风速-风向最优联合分布模型。针对现有风能评估不准确这一问题,利用清洗异常数据后的风电机组数据,分别选用两参数Weibull分布、三参数Weibull分布和混合Weibull分布进行风速建模,然后引入von Mises分布对风向数据的概率分布进行建模,以均方根误差收敛为条件分别选择出风速和风向的最优高阶混合模型。最终基于AL（Angular-Linear）分布模型得到风速-风向联合概率密度函数,并利用风速-风向联合分布模型进行风能评估,进一步提高了风能评估的准确性。4)提出了基于遗传算法和最小二乘法结合的Logistic模型参数估计方法,比较多种功率曲线模型选择出了最优功率特性曲线模型。首先对清洗异常数据后的风速-功率数据按照国际电工委员会规定的比恩法取点,针对Logistic函数模型初值选择问题,提出了基于遗传算法和最小二乘法结合的Logistic模型参数估计方法,实现了模型参数的高效精确估计。然后引入多项评价指标,选择出最优功率曲线模型。最后,将风速分布的最优混合Weibull分布模型和最优功率特性曲线模型结合,对风电机组功率特性曲线在年发电量预测和实时输出功率预测等方向的应用进行了验证分析,为风电并网和经济效益预估提供技术支持。