[发明专利]一种光伏功率异常数据的识别方法及装置

说明书

本发明适用于计算机领域，提供了一种光伏功率异常数据的识别方法及装置，其中，所述方法包括：获取待测试时间下光伏电站的光伏功率，得到功率时间序列；将所述功率时间序列分解为长期趋势、周期趋势和残差；计算所述残差的标准差和均值；根据残差的标准差和均值对所述残差进行分类，得到异常数据集。本发明将功率时间序列分解为长期趋势、周期趋势和残差，然后根据残差的标准差和均值对光伏功率异常数据进行识别，从而解决了现有技术中基于太阳辐照度与光伏功率的关系和采用概率统计中的离群数据辨识方法来识别异常数据所导致的异常数据识别误差大的问题。

技术领域

本发明属于计算机领域，尤其涉及一种光伏功率异常数据的识别方法及装置。

背景技术

在光伏电站的实际运行过程中，光伏功率在很大程度上受太阳辐照度、环境温度及湿度等气象因素影响，气象因素的不确定性往往会使光伏功率出现一定波动，进而导致光伏系统的电压、频率发生波动，最终影响并网电能质量，严重时会导致电网瘫痪。因此为了保证电网的安全、稳定，提高光伏系统发电的利用率，业内需要通过对采集到的光伏数据进行分析，从而实现对光伏功率进行预测的目的。然而在光伏站实际运行过程中，数据采集故障、环境因素变化或人为因素都会使观测到的量测数据发生异常，从而干扰光伏功率预测精度。因此，对光伏系统中异常数据的识别成为光伏功率预测任务的重要基础。

目前，工程上采用根据太阳辐照度和光伏功率之间的联系来对光伏系统中异常数据进行识别的方法，但在实际生产环境中，光伏功率变化往往与环境因素、人为因素高度相关，因此在一些环境复杂的光伏站中，该方法往往无法识别出异常数据或产生错误的识别结果。并且由于部分光伏站缺少太阳辐照度实时监控系统，因此该方法普适性较差。

此外，工程上还采用概率统计中的离群数据辨识方法来识别异常数据。通常，光伏功率随机性分量数据存在一定的波动范围，并且绝大部分数据分布在该波动范围之内，当某一数据出现在该波动范围之外时，则认为该数据为异常数据。但工程方法往往阈值设置单一机械，如简单设置功率偏差上下限，该类方法无法准确区分功率正常波动和异常偏差，造成识别误差大。

发明内容

有鉴于此，本发明提供了一种光伏功率异常数据的识别方法及装置，以解决现有技术中基于太阳辐照度与光伏功率的关系和采用概率统计中的离群数据辨识方法来识别异常数据所导致的异常数据识别误差大的问题。

本发明实施例的第一方面，提供了一种光伏功率异常数据的识别方法，包括：

获取待测试时间下光伏电站的光伏功率，得到功率时间序列；

将所述功率时间序列分解为长期趋势、周期趋势和残差；

计算所述残差的标准差和均值；

根据残差的标准差和均值对所述残差进行分类，得到异常数据集。

在一些实施例中，获取待测试时间下光伏电站的光伏功率，得到功率时间序列，具体包括：

获取待测试时间下光伏电站的光伏功率；

对所述光伏功率数据进行清洗，得到功率时间序列。

在一些实施例中，根据残差的标准差和均值对所述残差进行分类，得到异常数据集，具体包括：

判断残差数据是否属于(μ-nσ，μ+nσ)，其中，μ为残差的均值，σ为残差的标准差，n为1、2和3；

若否，则残差数据所对应的光伏功率为异常数据；

集合所有异常数据，得到异常数据集。

在一些实施例中，判断残差数据是否属于(μ-nσ，μ+nσ)之前，还包括：设定n值。

在一些实施例中，集合所有异常数据，得到异常数据集之后，还包括：