[发明专利]一种光伏功率异常数据识别方法及系统

说明书

本发明提供的一种光伏功率异常数据识别方法及系统，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；能够较为准确地刻画光伏功率、辐照度、温度及湿度高维变量之间的相依关系，且提供的异常数据识别方法具有更高的可靠性及准确率。

技术领域

本发明涉及电力系统的新能源发电领域，具体涉及一种光伏功率异常数据识别方法及系统。

背景技术

准确可信的光伏功率数据是开展光伏功率预测、光伏发电性能评估以及优化控制等研究的基础。在实际工程应用中，由于设备故障、人为限电、通讯故障以及光伏组件功率削减等多种原因，导致光伏功率数据存在异常数据比例较高的问题，极大地阻碍了科研人员对该类数据所蕴含信息的挖掘与深入分析，对电能质量、系统稳定性和可靠性都有负面影响。因此，对光伏功率异常数据识别具有重要的研究意义。

传统对光伏功率异常数据的识别方法主要包括：粗糙集理论、主成分分析、聚类分析以及四分位法等，这些方法普遍存在识别准确率不高的问题。

发明内容

为了解决现有技术中所存在的异常数据识别准确率不高的问题，本发明提供一种光伏功率异常数据识别方法及系统，利用变量相依性的知识对异常数据进行识别。基于Pair Copula理论，建立了描述光伏功率与辐照度、温度、湿度相依性的高维Copula模型，进而利用条件概率分布的置信区间估计对光伏功率异常数据进行识别。

本发明提供的技术方案是：

一种光伏功率异常数据识别方法，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。

优选的，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。

优选的，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。

优选的，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。

优选的，所述h函数如下式所示：