[发明专利]一种光伏功率异常数据识别方法及系统

权利要求书

1.一种光伏功率异常数据识别方法，其特征在于，包括：

基于光伏功率、辐照度、温度、湿度的历史数据结合D藤结构构建条件概率分布计算模型；

利用条件概率分布计算的逆过程，对所述条件概率分布计算模型中每个光伏功率进行置信区间估计；

根据所述每个光伏功率的置信区间估计对所述光伏功率进行异常识别。

2.如权利要求1所述的方法，其特征在于，所述基于光伏功率、辐照度、温度、湿度的历史数据结合D藤结构构建条件概率分布计算模型包括：

采集光伏功率、辐照度、温度、湿度的历史数据形成样本集；

对所述样本集进行概率积分变换；

基于概率积分变换后的样本集，对D藤结构中各个Pair Copula进行优化；

基于优化后的D藤结构，建立以辐照度、温度、湿度为条件变量的光伏功率条件概率分布计算模型。

3.如权利要求2所述的方法，其特征在于，所述基于概率积分变换后的样本集如下式所示：

式中：U为基于概率积分变换后的样本集，U_p,U_I,U_T,U_H分别对应光伏功率、辐照度、温度、湿度的样本集合，下标n表示第n个样本，N为样本总个数。

4.如权利要求2所述的方法，其特征在于，所述基于概率积分变换后的样本集，对D藤结构中各个Pair Copula进行优化包括：

基于概率积分变换后的样本集，利用Pair-Copula分解法，逐步进行最优copula函数拟合；

然后利用h函数计算条件分布值集合。

5.如权利要求1所述的方法，其特征在于，所述h函数如下式所示：

式中，U_x|V为条件分布值集合，为变量与的h函数，为变量与之间的Pair Copula函数，V为条件变量组成的向量，V_-j为V剔除变量V_j后组成的向量。

6.如权利要求1所述的方法，其特征在于，所述利用条件概率分布计算的逆过程，对所述条件概率分布计算模型中每个光伏功率进行置信区间估计，包括：

逐层将给定条件变量分别代入相应h函数得到条件分布值，并将条件分布值带入代入相应h函数的反函数得到光伏功率下限

重复执行上述步骤得到光伏功率上限

基于光伏功率下限和上限确定置信区间为

7.如权利要求6所述的方法，其特征在于，所述光伏功率进行异常识别的计算式如下：

8.如权利要求1所述的方法，其特征在于，所述对所述光伏功率进行异常识别，之后还包括：

将识别为异常的样本组合成为异常样本集，将识别为正常的样本组合成为正常样本集。

9.一种光伏功率异常数据识别系统，其特征在于，包括：

条件概率分布计算模型构建模块：用于基于光伏功率、辐照度、温度、湿度的历史数据结合D藤结构构建条件概率分布计算模型；

置信区间估计模块，用于利用条件概率分布计算的逆过程，对所述条件概率分布计算模型中每个光伏功率进行置信区间估计；

异常识别模块，用于根据所述每个光伏功率的置信区间估计对所述光伏功率进行异常识别。

10.如权利要求9所述的系统，其特征在于，所述条件概率分布计算模型构建模块包括：

采集光伏功率、辐照度、温度、湿度的历史数据形成样本集；

对所述样本集进行概率积分变换；

基于概率积分变换后的样本集，对D藤结构中各个Pair Copula进行优化；

基于优化后的D藤结构，建立以辐照度、温度、湿度为条件变量的光伏功率条件概率分布计算模型。