[发明专利]光伏功率异常数据的识别方法

说明书

技术领域

本发明属于电力系统新能源发电领域。尤其涉及一种在光伏功率数据含有高比例 异常数据的条件下，光伏功率异常数据的识别方法。

背景技术

准确可信的光伏功率时间序列数据是光伏发电性能分析、功率预测等工作的基 础。然而很多光伏电站现场采集的功率数据质量较差，极大阻碍了这些数据的信息挖掘和 深化应用。产生光伏功率异常数据的原因众多，如通信故障、设备异常、人为限电等，其中人 为限电导致的光伏功率数据异常问题在我国尤为严重。高比例的光伏功率异常数据会对光 伏功率和光资源波动性研究、光伏功率与辐照度、温度等因素之间真实规律的提取造成不 利影响，直接利用现场数据会降低光伏功率预测模型的精度和有效性，也会对光伏电站的 运行管理、电网的运营调度产生不利影响。因此需要进行光伏功率高比例异常数据识别。

进行光伏功率异常数据识别的难点在于准确把握光伏功率数据的强随机性、分散 性等特性及我国光伏数据含高比例异常数据的实际情况。现有方法多依赖对组件状态的检 测，如根据组件温度和工作电压关系筛选异常数据，需要对工作电压进行检测，但是现阶段 我国缺少光伏组件层级的数据，且在光伏发电性能分析和光伏功率预测中更关注场站层面 的异常数据。

然而，现有方法不能完全适应我国光伏实际情况；对光伏功率分布的某个概率密 度函数假定，如利用3-sigma原则进行异常数据识别，按这类假定，各个辐照度区间内光伏 功率的分布规律是相互独立的，但是实际上若辐照度和光伏功率是两个具有关联性的随机 变量，各个辐照度区间内的功率分布规律也不是独立的，若进行独立处理不符合实际规律， 使得在实际应用中对异常数据的识别能力有限；简单异常识别规则的制定，采用规则识别 的方法，一方面过分依赖于经验规律，另一方面未考虑光伏功率与主要影响因素的相关关 系，使得在实际应用中识别效果欠佳；较少针对高比例异常数据问题，限电、设备故障等因 素导致光伏功率数据含异常数据比例高，在实际应用中，高比例异常数据会导致统计分析 结果偏离真实情况，使得异常数据误识别率高。

发明内容

综上所述，确有必要提供一种能够适应我国数据以光伏场站级数据类型为主、异 常数据比例高特点的异常数据识别方法。

一种光伏功率异常数据的识别方法，包括以下步骤：利用光伏电站辐照度和光伏 功率实测数据，拟合辐照度-光伏功率Copula函数参数；根据Copula函数描述辐照度和光伏 功率这两个随机变量的相关关系建立概率功率曲线；通过辐照度-光伏功率散点图，总结异 常数据点特征建立异常数据判别准则；基于Copula函数和异常数据判别准则，识别筛选异 常数据，建立新数据集；以及若有异常数据被识别，在剔除异常数据后重复以上步骤，对新 数据集继续进行识别；若无，则直接利用判别准则和概率功率曲线，识别原始数据集中异常 数据。

相对于现有技术，本发明将辐照度和光伏功率作为两个随机变量，利用Copula函 数描述两随机变量的相关关系，建立概率功率曲线，根据实测数据的观察建立异常数据判 别准则，并针对异常数据比例高的特点，通过反复进行减少原数据集中异常数据对辐照度- 功率之间真实规律发现的干扰。该方法易于操作、具有普适性，不需要复杂的优化计算，切 合我国光伏数据以场站级数据为主、异常数据比例高等实际特点。

附图说明

图1为本发明提供的光伏功率异常数据的识别方法的流程图。

图2为本发明提供的光伏功率异常数据的识别方法的流程框图。

图3为甘肃某光伏电站辐照度-功率散点及异常数据类型示意图。

具体实施方式

下面根据说明书附图并结合具体实施例对本发明的技术方案进一步详细表述。

请参阅图1及图2，本发明提供的光伏功率异常数据的识别方法包括以下步骤：

步骤S10，利用光伏电站辐照度和光伏功率实测数据，拟合辐照度-光伏功率Copula函 数参数；

步骤S20，根据Copula函数描述辐照度和光伏功率这两个随机变量的相关关系建立概 率功率曲线；

步骤S30，通过辐照度-光伏功率散点图，总结异常数据点特征建立异常数据判别准则；

步骤S40，基于Copula函数和异常数据判别准则，识别筛选异常数据，建立新数据集；以 及