[发明专利]一种分布式光伏电站功率数据虚拟采集方法

说明书

本申请公开了一种分布式光伏电站功率数据虚拟采集方法，包括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；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；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；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。本发明通过基于相似日与BA‑WNN相结合方法建立功率数据虚拟采集模型，实现了分布式光伏电站功率数据的虚拟采集，具有可行性与有效性。

技术领域

本发明属于分布式光伏数据采集技术领域，涉及一种分布式光伏电站功率数据虚拟采集方法。

背景技术

在当前全球能源危机、环境污染加剧的背景下，光伏作为一种高效、清洁的可再生能源，得到了世界各国的大力支持并得以迅速发展。我国十分重视光伏行业的发展，装机容量逐年提升，截至2019年年底，我国光伏累计并网装机容量达到204.3GW，新增装机容量15.99GW。2019年，我国光伏发电量为2242.6亿kWh，同比增长26.3％，占所有能源全年总发电量的3.1％，同比提高0.5个百分点。

目前，光伏电站主要分为集中式光伏电站与分布式光伏电站两部分。其中分布式光伏电站大多具有点多面广、分散无序的特点，导致了分布式光伏电站数据的获取需要监测数据点的数量非常庞大，仅依靠增加传感器数量和提高采集频次等方法数据采集的成本过高，且多数户用型分布式光伏的用户不愿承担该项费用，制约了分布式光伏行业的发展。为此，开发一种充分考虑分布式光伏运维的经济性，低成本、高效率的新型分布式光伏运维数据采集方案，具有重要意义。

虚拟采集作为一种实时运维数据的预测技术，可利用同区域电站的外部条件与电站内部数字数值与变化趋势的相似性，结合电站部分数据，对分布式光伏电站的数据进行拟合，利用区域范围内已安装完整采集终端的光伏数据，将未安装采集装置或采集装置不完备的分布式光伏电站的数据补充完善，实现光伏运维数据的获取，节约数据采集成本。由于光伏运维数据种类繁多，其中备受光伏业主关注的为实时功率数据，也是本发明的研究对象。

当前的分布式光伏功率数据采集方案仅仅针对未来功率的预测与历史数据的修复，而并未涉及于对于实时的光伏数据的采集与预测。因此，本发明借鉴以上经验并结合实际项目工程的需求，提出一种基于相似日与蝙蝠算法与小波神经网络(Bat algorithm andwavelet neural network,BA-WNN)结合的分布式光伏数据虚拟采集方法。

由于目前我国的分布式光伏电站，同一区域范围内的分布式光伏电站基本都为统一安装，气象因素以及各设备的各项参数基本相同，其出力情况的变化就比较相似。从成本方面考虑，电流采集终端的成本较低，且电站内的电流数据能够较好的反映该电站出力的不确定性。因此，在同一区域内，选取具有完整数据采集系统分布式光伏电站为标杆电站，其余电站只安装了价格较低的电流采集终端，利用标杆电站的部分数据与其余电站的电流数据，对未进行实时采集的功率数据进行预测，可实现区域范围内分布式光伏电站数据的“实时+虚拟”采集。

发明内容

为解决现有技术中的不足，本申请提供一种分布式光伏电站功率数据虚拟采集方法。

为了实现上述目标，本发明采用如下技术方案：

一种分布式光伏电站功率数据虚拟采集方法，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；