[发明专利]一种基于大数据技术的区域光伏发电量异常实时监测方法

权利要求书

1.一种基于大数据技术的区域光伏发电量异常实时监测方法，其特征是：

1)基于Copula理论，构建光伏发电异常智能识别模型；

2)获取系统光伏发用电数据和外部气象数据；

3)采用基于类3σ准则的光伏功率异常数据识别，进行异常数据检测；

4)通过离群点分析方法识别各类用户的偏高与偏低的异常用户；

5)通过基于统计分析和Copula思想的异常识别模型及时发现光伏运营过程中存在的问题，帮助供电公司更有效的识别异常用户；

6)通过光伏用户的故障预警，提高安全稳定运行水平，同时为客户提供设备监控服务，降低客户光伏设备故障率；

7)通过光伏用户的故障预警，实现设备故障的准确预测，对光伏发电风险进行评级管控，减少设备故障率，提高安全稳定运行水平；

8)针对光伏设备的历史故障信息进行统计分析，分析其故障的原因，从而有针对性的制定检修、运维计划，开展提前事前运维。

2.按照权利要求1所述的基于大数据技术的区域光伏发电量异常实时监测方法，其特征是所述的区域光伏发电量异常实时监测方法，基于Copula方法、概率功率曲线和异常判别准则的基础光伏功率异常数据识别模型流程，直接利用原始辐照度和光伏功率数据拟合Copula函数参数，基于概率功率曲线生成给定置信度下的功率上下边界，并对边界外的数据采用判别准则进行识别，最终输出判别结果。

3.按照权利要求1所述的基于大数据技术的区域光伏发电量异常实时监测方法，其特征是所述的区域光伏发电量异常实时监测方法，利用周期图法提取光伏功率的周期性分量，得到了随机性分量；然后，利用混合t Location-Scale分布模型对光伏功率随机性分量进行拟合；最后，利用混合t Location-Scale分布模型中的模型参数，建立类3σ准则模型。

4.按照权利要求1所述的基于大数据技术的区域光伏发电量异常实时监测方法，其特征是所述光伏发电异常智能识别模型的构建采用如下途径：

对供电公司所辖区域近几年的光伏用户的发电上网和外部环境等数据进行挖掘分析，利用离群点分析、聚类分析或综合评判等算法构建不同异常情况下的光伏发电异常智能识别模型，完善光伏发电异常界定、识别和区域光伏用户发电异常识别技术分析，识别光伏带病运行、骗补情况，建立异常智能识别评估方法，实现用户设备故障预警。

5.按照权利要求1所述的基于大数据技术的区域光伏发电量异常实时监测方法，其特征是所述的区域光伏发电量异常实时监测方法，在对居民用户进行发电异常识别时，异常偏高定义为超过用电类别单位容量发电量60％；异常偏低定义为低于用电类别单位容量发电量60％。

6.按照权利要求1所述的基于大数据技术的区域光伏发电量异常实时监测方法，其特征是所述的区域光伏发电量异常实时监测方法，在对低压非居用户进行发电异常识别时，异常偏高定义为超过用电类别单位容量发电量60％；异常偏低定义为低于用电类别单位容量发电量60％。

7.按照权利要求1所述的基于大数据技术的区域光伏发电量异常实时监测方法，其特征是所述的区域光伏发电量异常实时监测方法，在对高压用户进行发电异常识别时，异常偏高定义为超过用电类别单位容量发电量50％；异常偏低定义为低于用电类别单位容量发电量50％。

8.按照权利要求1所述的基于大数据技术的区域光伏发电量异常实时监测方法，其特征是所述的区域光伏发电量异常实时监测方法，通过对光伏用户的故障预警，实现设备故障的准确预测，并自动给出决策建议，辅助差异化精益运维管理。

9.按照权利要求1所述的基于大数据技术的区域光伏发电量异常实时监测方法，其特征是所述的区域光伏发电量异常实时监测方法，通过对光伏发电风险进行评级管控，降低设备故障率。

10.按照权利要求1所述的基于大数据技术的区域光伏发电量异常实时监测方法，其特征是所述的区域光伏发电量异常实时监测方法，针对光伏设备的历史故障信息进行统计分析，分析其故障的原因，从而有针对性的制定检修、运维计划，开展提前事前运维。