[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

说明书

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，属监控领域。包括构建光伏发电异常智能识别模型；获取系统光伏发用电数据和外部气象数据；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；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；通过基于统计分析和Copula思想的异常识别模型及时发现、识别异常用户；通过光伏用户的故障预警，提高安全稳定运行水平，降低客户光伏设备故障率；实现设备故障的准确预测，提高安全稳定运行水平；有针对性的制定检修、运维计划，开展提前事前运维。其对对居民用户、低压非居用户、高压用户，能够进行光伏发电异常智能识别，可广泛用于电网的运行监控和管理领域。

技术领域

本发明属于电网监测领域，尤其涉及一种用于区域光伏发电量异常的实时监测方法。

背景技术

近年来，全世界电力能源消耗加剧，化石能源供应不足。光伏发电作为一种清洁丰富的可再生新能源，备受国内外相关方面的关注，正从独立的系统逐渐向大规模并网方向发展。

随着光伏发电并网数量的增加，光伏发电波动性和间歇性的特性势必会对并网系统的稳定性造成一定的影响。尤其受太阳辐射强度、环境温度等因素影响，光伏发电的特性变得越发凸显，不利于电力系统的调度，给电网调度人员带来了困扰。

目前，针对于光伏发电的研究日趋成熟，目前主要在于功率预测、优化、控制，以及配置于光伏电站的储能系统容量优化光伏电站的数据库中存储着大量数据，在对光伏出力数据进行分析时，需要考虑数据采集的密集程度与采集数量，即数据的粒度和跨度。

国网宁夏研究并制定了光伏数据采集通信机制、适应电网多种有功控制需求的光伏有功控制模式及控制性能评估方法，以此建立了横向集成光伏信息采集与监视、光伏有功控制功能，纵向贯穿调度端和厂站端的光伏综合控制系统，实现了调度主站对光伏电站的有功闭环控制。国网河北对光伏功率超短期和短期预测技术进行了研究，结合中国光伏功率预测发展现状，提出了值得研究和关注的光伏功率预测关键问题。

有相关的专家学者开展了光伏大数据的研究。张超等(2019)介绍了箱线图法工作原理，利用该方法发现了某地区分布式光伏用户发电量异常情况。许晓艳等(2010)通过研究认为利用大数据分析分布式光伏发电的发展前景、进行负荷预测、判断异常情况，对分布式光伏发电的经营管理具有十分重要的意义。

针对用户侧分布式光伏发电系统，考虑预测系统的成本约束和运行需求，以及农村电网应用特点，刘念等人提出一种基于核函数极限学习机的分布式光伏功率预测方法。对于不同容量的分布式光伏发电系统，使用核函数极限学习机构建分布式光伏短期功率预测模型，使用基于权重的训练样本筛选方法提高预测模型计算效率，并通过粒子群算法优化模型参数。

通过对研究进行梳理发现，通过对整个光伏发电数据的需求响应、监测/诊断、电力调度等是当前及未来光伏大数据研究的趋势，具有重要的研究意义和实践价值。

发明内容

本发明所要解决的技术问题是提供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。利用离群点分析算法构建不同异常情况下的光伏发电异常智能识别模式，通过光伏用户单位容量发电量智能检测，配合外部环境的数据分析，识别光伏带病运行、骗补情况。通过对历史功率因素、故障运维等数据的数据挖掘，建立异常智能识别评估方法，识别运营过程中存在的问题，实现用户设备故障预警，提高光伏用户发电日常运维管理水平和电网互联互供水平。

本发明的技术方案是：提供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；