[发明专利]一种分布式光伏电站功率数据虚拟采集方法

权利要求书

1.一种分布式光伏电站功率数据虚拟采集方法，其特征在于：

所述方法包括以下步骤：

步骤1：根据气象特征相似性，选取待采集电站采集日的相似日，以相似日的标杆电站的功率数据和待采集电站的电流数据作为小波神经网络的训练样本；

步骤2：构建小波神经网络，并利用蝙蝠算法优化小波神经网络的参数；

步骤3：将步骤2优化得到的小波神经网络参数作为小波神经网络的初始参数，使用训练样本训练小波神经网络，得到功率数据虚拟采集模型；

步骤4：输入采集日标杆电站的功率数据及待采集电站的电流数据，利用功率数据虚拟采集模型进行数据拟合，实现功率数据的虚拟采集；

步骤1所述标杆电站和待采集电站为同一气象区域范围内的分布式光伏电站，且标杆电站和待采集电站的设备参数相同，所述标杆电站设有功率数据采集终端，待采集电站设有电流采集终端；

步骤1具体包括以下步骤：

步骤1.1：获取采集日及采集日前P个历史日的气象数据，P＞1；

步骤1.2：对采集日和每个历史日，分别构造气象特征向量：

X＝[F₁,F₂,…,F_n-1,F_av]；

F_av为每日辐照度的平均值，F_m(m＝1,2,…,n-1)为每日m时刻的气象数据；

步骤1.3：对步骤1.2构造的各气象特征向量分别进行分量归一化处理；

采集日与历史日归一化后的气象特征向量分别为：

x₀＝(x₀(1),x₀(2),…,x₀(n))

x_i＝(x_i(1),x_i(2),…,x_i(n))

式中，x₀为采集日归一化后的气象特征向量，x_i为第i个历史日归一化后的气象特征向量；x₀(n)为采集日第n个归一化后的分量，x_i(n)为第i历史日第n个归一化后的分量，i＝1,…P；

步骤1.4：计算x_i相对于x₀的相似性综合指标S_i；

步骤1.5：将各历史日的相似性综合指标值递减排列，选取前Q个历史日作为相似日，Q小于P；

步骤1.6：以相似日的标杆电站的功率数据和待采集电站的电流数据作为小波神经网络的训练样本；

步骤1.1中，获取的气象数据为辐照度；

步骤1.4包括以下步骤：

步骤1.4.1：分别计算x₀与x_i在第n个分量的关联系数：

式中，Δ＝|x₀(n)-x_i(n)|，ξ_i(n)为关联系数，r为分辨系数；

步骤1.4.2：分别计算x₀和x_i的相似度：

式中，N为各分量的关联系数的总数；

步骤1.4.3：分别计算x₀和x_i的余弦相似度：

其中，x_ok、x_ik分别为采集日和第i个历史日气象特征向量的第k个分量；

步骤1.4.4：计算x_i相对于x₀的相似性综合指标S_i：

S_i＝αR_i+(1-α)D_cosi

其中，α为经验权重系数。

2.根据权利要求1所述的一种分布式光伏电站功率数据虚拟采集方法，其特征在于：

步骤1.3中，采用如下归一化方式：

式中，x、x_min、x_max分别为原始数据、原始数据中的最小值、原始数据中的最大值，x'为归一化后的数据。