一种新能源电站出力数据修复方法及装置制造方法及图纸

本发明专利技术涉及一种新能源电站出力数据修复方法及装置，所述方法包括：获取所述新能源电站的异常出力数据；确定所述新能源电站的相似日和相关电站；根据所述新能源电站的相似日和/或相关电站对所述新能源电站的异常出力数据进行修复；本发明专利技术提供的方法，能够利用新能源电站的相似日和相关电站对其出现的异常数据进行修正，提升新能源电站异常数据识别及修复的精确度和可信度。

【技术实现步骤摘要】
一种新能源电站出力数据修复方法及装置
本专利技术涉及新能源发电
，具体涉及一种新能源电站出力数据修复方法及装置。
技术介绍
目前，我国新能源发电技术飞速发展，新能源电站的规模也越来越大，但大规模新能源发电并网会对电网规划、生产和运行等环节产生影响。由于新能源电站设备故障、通信中断及误码等原因，监控系统存储的新能源发电运行数据常常存在异常，对于光伏电站而言，常见的导致数据异常的情况包括：(1)受复杂环境的影响，监控主机和数据采集系统的通信中断，导致数据丢失；(2)设备工作环境变化导致监测设备、传感器等仪器的灵敏度及精度下降；(3)数据输入、转换、传输过程中出现误码或数据采集设备不能正常应用；(4)在数据处理过程中，未采用统一的规范化数据处理方式，人为造成数据表达不当和数据的漏项、错项等。上述异常数据能够导致新能源发电运行规律提取不准确，进而影响电网规划或调度运行决策，严重时可能威胁电网安全稳定。通常采用对单天数据的走势对异常数据进行修复，或者根据电站数据平均值对异常值进行修复，修复精度不高，数据质量较差。
技术实现思路
本专利技术提供一种新能源电站出力数据修复方法及装置，其目的是利用新能源电站的相似日和相关电站对其出现的异常数据进行修正，提升新能源电站异常数据识别及修复的精确度和可信度。本专利技术的目的是采用下述技术方案实现的：一种新能源电站出力数据修复方法，其改进之处在于，所述方法包括：获取所述新能源电站的异常出力数据；确定所述新能源电站的相似日和相关电站；根据所述新能源电站的相似日和/或相关电站对所述新能源电站的异常出力数据进行修复。优选的，所述新能源电站的异常出力数据包括：丢失数据、越限数据和无效数据。进一步的，令新能源电站X的出力时序集合为(x1,x2...xi...xn)，其中，xi为新能源电站X的第i个时间点的出力，i∈n，n为新能源电站X采集出力数据的总时间点数；若则xi为所述丢失数据；若xi＞xh|xi＜xl，则xi为所述越限数据，其中，xh为所述新能源电站X的出力上限值，xl为所述新能源电站X的出力下限值；若|xi-x0i|＞σ或xi对应的归一化值满足则xi为所述无效数据，其中，x0i为所述新能源电站X的第i个时间点的理论出力，σ为第一无效数据阈值，为所述新能源电站X的相邻电站的第i个时间点的出力对应的归一化值，ε为第二无效数据阈值。进一步的，按下式(1)确定所述新能源电站X的第i个时间点的理论出力x0i：x0i＝Ii·UDi(1)式(1)中，Ii为第i时刻光伏电池输出电流，UDi为第i时刻光伏电池接入并网点端电压；按下式(2)确定所述新能源电站X的相邻电站的第i个时间点的出力对应的归一化值式(2)中，xAi为所述新能源电站X的相邻电站的第i个时间点的出力，xAmax为所述新能源电站X的相邻电站的出力最大值，xAmin为所述新能源电站X的相邻电站的出力最小值；按下式(3)确定所述新能源电站X的第i个时间点的出力xi对应的归一化值式(3)中，xXmax为所述新能源电站X的出力最大值，xXmin为所述新能源电站X的出力最小值。进一步的，所述新能源电站与其相邻电站之间的距离d满足：d≤D，其中，D为新能源电站与其相邻电站之间的最大地理距离。优选的，所述确定所述新能源电站的相似日和相关电站包括：令新能源电站第i天的出力数据存在异常数据；获取所述新能源电站的天气数据，利用相似系数确定所述新能源电站第i天的天气数据Wi与所述新能源电站第j天的天气数据Wj的相似度若满足则所述第j天为所述第i天的相似日，其中，α为相似日阈值，j∈[1,2...i-1,i+1...n]，n为正整数；若所述新能源电站存在相似日，则获取所述新能源电站在所述相似日的出力数据X及所述新能源电站的相邻新能源电站在所述相似日的出力数据Y，利用相似系数确定所述新能源电站在所述相似日的出力数据X与所述新能源电站的相邻新能源电站在所述相似日的出力数据Y的相似度rXY，若rXY满足rXY≥β，则所述新能源电站的相邻新能源电站为所述新能源电站的相关电站，其中，β为相关电站阈值；若所述新能源电站不存在相似日，则获取所述新能源电站的历史出力数据A及所述新能源电站的相邻新能源电站的历史出力数据B，利用相似系数确定所述新能源电站的历史出力数据A与所述新能源电站的相邻新能源电站的历史出力数据B的相似度rAB，若rAB满足rAB≥β，则所述新能源电站的相邻新能源电站为所述新能源电站的相关电站。进一步的，所述天气数据包括：季节类型、天气类型、最高气温、最低气温和平均气温信息。优选的，所述根据所述新能源电站的相似日和/或相关电站对所述新能源电站的异常出力数据进行修复，包括：若所述新能源电站存在相似日和相关电站，则将所述新能源电站在所述相似日的出力数据和所述新能源电站的相关电站在所述相似日的出力数据作为BP神经网络训练样本，将所述新能源电站的相关电站在所述新能源电站的待修复日的出力数据作为BP神经网络输入变量，利用BP神经网络模型获取BP神经网络输出变量，即所述新能源电站在其待修复日的修复出力数据；若所述新能源电站存在相似日且不存在相关电站，则将所述新能源电站在所述相似日的出力数据和天气数据作为BP神经网络训练样本，将所述新能源电站在所述相似日的出力数据和其在待修复日的天气数据作为BP神经网络输入变量，利用BP神经网络模型获取BP神经网络输出变量，即所述新能源电站在其待修复日的修复出力数据；若所述新能源电站不存在相似日且存在相关电站，则将所述新能源电站的相关电站的历史出力数据作为BP神经网络训练样本，将所述新能源电站的相关电站在所述新能源的待修复日的出力数据作为BP神经网络输入变量，利用BP神经网络模型获取BP神经网络输出变量，即所述新能源电站在其待修复日的修复出力数据。一种新能源电站出力数据修复装置，其改进之处在于，所述装置包括：获取模块，用于获取所述新能源电站的异常出力数据；确定模块，用于确定所述新能源电站的相似日和相关电站；修复模块，用于根据所述新能源电站的相似日和/或相关电站对所述新能源电站的异常出力数据进行修复。优选的，所述新能源电站的异常出力数据包括：丢失数据、越限数据和无效数据。进一步的，令新能源电站X的出力时序集合为(x1,x2...xi...xn)，其中，xi为新能源电站X的第i个时间点的出力，i∈n，n为新能源电站X采集出力数据的总时间点数；若则xi为所述丢失数据；若xi＞xh|xi＜xl，则xi为所述越限数据，其中，xh为所述新能源电站X的出力上限值，xl为所述新能源电站X的出力下限值；若|xi-x0i|＞σ或xi对应的归一化值满足则xi为所述无效数据，其中，x0i为所述新能源电站X的第i个时间点的理论出力，σ为第一无效数据阈值，为所述新能源电站X的相邻电站的第i个时间点的出力对应的归一化值，ε为第二无效数据阈值。进一步的，按下式(1)确定所述新能源电站X的第i个时间点的理论出力x0i：x0i＝Ii·UDi(1)式(1)中，Ii为第i时刻光伏电池输出电流，UDi为第i时刻光伏电池接入并网点端电压；按下式(2)确定所述新能源电站X的相邻电站的第i个时间点的出力对应的归一化值式(2)中，xAi为所述新能源电站X的相邻电站的第i个时间点的本文档来自技高网...

【技术保护点】
一种新能源电站出力数据修复方法，其特征在于，所述方法包括：获取所述新能源电站的异常出力数据；确定所述新能源电站的相似日和相关电站；根据所述新能源电站的相似日和/或相关电站对所述新能源电站的异常出力数据进行修复。

【技术特征摘要】
1.一种新能源电站出力数据修复方法，其特征在于，所述方法包括：获取所述新能源电站的异常出力数据；确定所述新能源电站的相似日和相关电站；根据所述新能源电站的相似日和/或相关电站对所述新能源电站的异常出力数据进行修复。2.如权利要求1所述的方法，其特征在于，所述新能源电站的异常出力数据包括：丢失数据、越限数据和无效数据。3.如权利要求2所述的方法，其特征在于，令新能源电站X的出力时序集合为(x1,x2...xi...xn)，其中，xi为新能源电站X的第i个时间点的出力，i∈n，n为新能源电站X采集出力数据的总时间点数；若则xi为所述丢失数据；若xi＞xh|xi＜xl，则xi为所述越限数据，其中，xh为所述新能源电站X的出力上限值，xl为所述新能源电站X的出力下限值；若|xi-x0i|＞σ或xi对应的归一化值满足则xi为所述无效数据，其中，x0i为所述新能源电站X的第i个时间点的理论出力，σ为第一无效数据阈值，为所述新能源电站X的相邻电站的第i个时间点的出力对应的归一化值，ε为第二无效数据阈值。4.如权利要求3所述的方法，其特征在于，按下式(1)确定所述新能源电站X的第i个时间点的理论出力x0i：x0i＝Ii·UDi(1)式(1)中，Ii为第i时刻光伏电池输出电流，UDi为第i时刻光伏电池接入并网点端电压；按下式(2)确定所述新能源电站X的相邻电站的第i个时间点的出力对应的归一化值式(2)中，xAi为所述新能源电站X的相邻电站的第i个时间点的出力，xAmax为所述新能源电站X的相邻电站的出力最大值，xAmin为所述新能源电站X的相邻电站的出力最小值；按下式(3)确定所述新能源电站X的第i个时间点的出力xi对应的归一化值式(3)中，xXmax为所述新能源电站X的出力最大值，xXmin为所述新能源电站X的出力最小值。5.如权利要求3所述的方法，其特征在于，所述新能源电站与其相邻电站之间的距离d满足：d≤D，其中，D为新能源电站与其相邻电站之间的最大地理距离。6.如权利要求1所述的方法，其特征在于，所述确定所述新能源电站的相似日和相关电站包括：令新能源电站第i天的出力数据存在异常数据；获取所述新能源电站的天气数据，利用相似系数确定所述新能源电站第i天的天气数据Wi与所述新能源电站第j天的天气数据Wj的相似度若满足则所述第j天为所述第i天的相似日，其中，α为相似日阈值，j∈[1,2...i-1,i+1...n]，n为正整数；若所述新能源电站存在相似日，则获取所述新能源电站在所述相似日的出力数据X及所述新能源电站的相邻新能源电站在所述相似日的出力数据Y，利用相似系数确定所述新能源电站在所述相似日的出力数据X与所述新能源电站的相邻新能源电站在所述相似日的出力数据Y的相似度rXY，若rXY满足rXY≥β，则所述新能源电站的相邻新能源电站为所述新能源电站的相关电站，其中，β为相关电站阈值；若所述新能源电站不存在相似日，则获取所述新能源电站的历史出力数据A及所述新能源电站的相邻新能源电站的历史出力数据B，利用相似系数确定所述新能源电站的历史出力数据A与所述新能源电站的相邻新能源电站的历史出力数据B的相似度rAB，若rAB满足rAB≥β，则所述新能源电站的相邻新能源电站为所述新能源电站的相关电站。7.如权利要求6所述的方法，其特征在于，所述天气数据包括：季节类型、天气类型、最高气温、最低气温和平均气温信息。8.如权利要求1所述的方法，其特征在于，所述根据所述新能源电站的相似日和/或相关电站对所述新能源电站的异常出力数据进行修复，包括：若所述新能源电站存在相似日和相关电站，则将所述新能源电站在所述相似日的出力数据和所述新能源电站的相关电站在所述相似日的出力数据作为BP神经网络训练样本，将所述新能源电站的相关电站在所述新能源电站的待修复日的出力数据作为BP神经网络输入变量，利用BP神经网络模型获取BP神经网络输出变量，即所述新能源电站在其待修复日的修复出力数据；若所述新能源电站存在相似日且不存在相关电站，则将所述新能源电站在所述相似日的出力数据和天气数据作为BP神经网络训练样本，将所述新能源电站在所述相似日的出力数据和其在待修复日的天气数据作为BP神经网络输入变量，利用BP神经网络模型获取BP神经网络输出变量，即所述新能源电站在其待修复日的修复出力数据；若所述新能源电站不存在相似日且存在相关电站，则将所述新能源电站的相关电站的历史出力数据作为BP神经网络训练样本，将所述新能源电站的相关电站在所述新能源的待修复日的出力数据作为BP神经网络输入变量，利用BP神经网络模型获取BP神经网络输出变量，即所述新能源电站在其待修复日的修复出力数据。9.一种新能源电站出力数据修复装置，...

【专利技术属性】
技术研发人员：于若英，党东升，王湘艳，董晓晶，赵亮，屈高强，朱凌志，赵利宁，陈宁，田星，施涛，曲立楠，葛路明，韩华玲，彭佩佩，何洁琼，吴福保，丁杰，
申请(专利权)人：中国电力科学研究院，国家电网公司，国网宁夏电力公司经济技术研究院，国网宁夏电力公司，
类型：发明
国别省市：江苏,32