本发明专利技术公开了一种基于智能算法的分布式光伏发电防窃电监测方法，其特征是，包括以下步骤：步骤一：建立分布式光伏发电数据库，数据库信息包括光伏电站历史气象资料和同期光伏发电功率数据；步骤二：以气象资料为输入量，以光伏发电功率值为输出，采用智能算法建立防窃电模型；步骤三：利用防窃电模型对光伏功率进行预测，通过光伏电站理论发电量计算模型，进而计算得到光伏电站的理论发电量；步骤四：将采集到的光伏电站实时发电量与光伏电站理论发电量输入到电量异常判定模块，可以得到光伏电站发电窃电嫌疑判定结果；本发明专利技术对光伏电量异常判定准确性高，给出窃电嫌疑系数，提高了稽查工作效率，为分布式光伏发电的有效监管提供证据。
【技术实现步骤摘要】
本专利技术涉及一种，属于光伏发电 及其防窃电
技术介绍
目前国内尚没有针对分布式光伏窃电的有效防范手段，但近年来，新能源发电产 业不断兴起，基于分布式光伏发电其特殊的发电方式及补贴政策，亦催生出很多新型的窃 电手段，对供电企业的防窃电工作提出了更高的要求。与传统电力用户的窃电少计量用电 量不同，分布式光伏发电窃电的目的在于多计量光伏的上网电量，以便于获取额外的补贴。防窃电技术的研宄对象侧重于电能计量表本体，主要针对传统用户窃电方式而开 展。针对本专利所提出的分布式光伏发电防窃电技术，如何规避分布式光伏发电业主使得 电表多计量发点量方面，目前国内外仍未见相关研宄成果。目前对于光伏窃电的新特点，还 没有实现快速准确定位窃电嫌疑用户及其窃电嫌疑系数的光伏防窃电方法。
技术实现思路
针对目前分布式光伏发电存在以骗取补贴为目的的窃电现象，本专利技术提供一种基 于神经网络智能算法的防窃电监测方法，完善国网公司分布式光伏发电的计量安全能力， 有利于分布式光伏发电补贴政策的实施。本专利技术根据窃电的多少给出不同的窃电嫌疑系 数，判定准确性高。 为解决上述问题，本专利技术的技术方案如下：一种基于智能算法的分布式光伏发电 防窃电监测方法，其特征是，包括以下步骤： 步骤一：建立分布式光伏发电数据库，数据库信息包括光伏电站历史气象资料和 同期光伏发电功率数据。 步骤二：以气象资料为输入量，以光伏发电功率值为输出，采用智能算法建立防窃 电模型，并进行验证。 步骤三：利用防窃电模型对光伏功率进行预测，通过光伏电站理论发电量计算模 型，进而计算得到光伏电站的理论发电量。 步骤四：将采集到的光伏电站实时发电量与光伏电站理论发电量输入到电量异常 判定模块，可以得到光伏电站发电窃电嫌疑判定结果，并根据不同的窃电嫌疑系数，进行相 应的窃电事件告警。 优选的是，所述数据库的样本数据按照晴天、多云、阴天、雨天四种天气情况进行 分类，样本数据分为训练样本和测试样本，训练样本和测试样本同时涵盖上述四种天气类 型，且训练样本和测试样本占总样本的比例分别为70%和30%。 优选的是，利用建立好的BP神经网络，通过输入采集到的光伏电站辐照、温度等 气象信息，便可实现光伏电站输出功率预测，由于光伏电站输出功率为随机变化量，且受辐 照、温度等气象条件变化影响较大，单点不具有参考价值，为提高防窃电监测的准确性，本 专利技术采用光伏电站发电量作为窃电与否的判别依据。由光伏电站输出功率预测值，可以计 算得到光伏发电系统的理论发电量。光伏发电系统的理论发电量表达式为：【主权项】1. 一种，其特征是，包括w下步骤： 步骤一；建立分布式光伏发电数据库，数据库信息包括光伏电站历史气象资料和同期 光伏发电功率数据。 步骤二；W气象资料为输入量，W光伏发电功率值为输出，采用智能算法建立防窃电模 型。 步骤利用防窃电模型对光伏功率进行预测，通过光伏电站理论发电量计算模型，进 而计算得到光伏电站的理论发电量。 步骤四；将采集到的光伏电站实时发电量与光伏电站理论发电量输入到电量异常判定 模块，可W得到光伏电站发电窃电嫌疑判定结果，并根据不同的窃电嫌疑系数，进行相应的 窃电事件告警。2. 根据权利要求1所述的，其特征 是，所述数据库的样本数据按照晴天、多云、阴天、雨天四种天气情况进行分类，样本数据分 为训练样本和测试样本，训练样本和测试样本同时涵盖上述四种天气类型，且训练样本和 巧m样本占总样本的比例分别为70%和30%。3. 根据权利要求1所述的，其特征 是，所述光伏电站理论发电量计算模型为设定每十天为一周期，在该计算周期内，通过电量 异常判定模块判定光伏电站电量是否异常，若异常进行相关告警；若正常，下一计算周期起 点为光伏电站实际电量测量值，在此基础上重新计算光伏电站理论发电量。4. 根据权利要求1所述的，其特征 是，窃电嫌疑系数判定引入置信区间，置信区间上下限的计算采用样本均值和标准差计算 得出或采用蒙特卡洛方法获得估计值分布。5. 根据权利要求4所述的，其特征 是，置信区间采用样本均值和标准差计算的计算方式为；在已知样本均值和标准差时，置信 区间下限；a=M-n巧T，置信区间上限；b=M+n巧T;当求取90%置信区间时n= 1. 645 ;当 求取95%置信区间时n= 1. 96 ;当求取99%置信区间时n= 2. 576。6. 根据权利要求1所述的，其特征 是，所述电量异常判定模块为根据光伏计量电量与光伏理论电量的置信区间上下限相比较 判定，若光伏计量电量小于光伏理论电量的置信区间下限，则判定其发电异常，给出发电异 常告警；若光伏计量电量大于光伏理论电量的置信区间上限，则判定存在窃电嫌疑。7. 根据权利要求1所述的，其特征 是，所述窃电嫌疑系数为取A为光伏计量电量大于光伏理论电量的置信区间上限的差值 占光伏理论电量的置信区间上限的百分比，即当10%〉A〉〇,窃电嫌疑系数为0. 1 ;当20%〉A> 10%，窃电嫌疑系数为0. 2 ;当 30%〉A>20%，窃电嫌疑系数为0.3;当40%〉A>30%，窃电嫌疑系数为0.4;当50% 〉A>40%，窃电嫌疑系数为0.5;当60%〉A>50%，窃电嫌疑系数为0.6;当70% 〉A>60%，窃电嫌疑系数为0.7;当80%〉A>70%，窃电嫌疑系数为0.8;当>80%，窃 电嫌疑系数为0.9。8. 根据权利要求1所述的，其特征 是，所述智能算法包括BP神经网络、数据挖掘技术、支持向量机中任一种算法。9. 根据权利要求8所述的，其特征 是，采用BP神经网络建立防窃电模型的步骤如下： a. 根据光伏电站历史气象资料和同期光伏发电功率数据建立分布式光伏发电数据库， 并将样本数据分为训练样本和测试样本； b. 建立BP神经网络，确定预测精度和网络结构，即确定输入节点数、隐含层数、每个隐 含层的节点数W及输出节点数； C.选择合适的算法训练网络，使之尽量拟合训练样本； d. 输入训练样本，计算各层输出及各层误差信号，若计算的误差满足要求，用测试样本 验证该神经网络； e. 若误差不满足要求，需调整神经网络各层权值，重新计算各层误差信号，直至误差满 足要求； f. 用测试样本数据检验训练好的网络，如果检验效果很好，就可利用训练好的网络结 合新的气象信息对光伏功率进行预测，如果检验效果不好，调整网络各层权值，重复e步 骤，直到得到较好的检验结果为止。【专利摘要】本专利技术公开了一种，其特征是，包括以下步骤：步骤一：建立分布式光伏发电数据库，数据库信息包括光伏电站历史气象资料和同期光伏发电功率数据；步骤二：以气象资料为输入量，以光伏发电功率值为输出，采用智能算法建立防窃电模型；步骤三：利用防窃电模型对光伏功率进行预测，通过光伏电站理论发电量计算模型，进而计算得到光伏电站的理论发电量；步骤四：将采集到的光伏电站实时发电量与光伏电站理论发电量输入到电量异常判定模块，可以得到光伏电站发电窃电嫌疑判定结果；本专利技术对光伏电量异常判定准确性高，给出窃电嫌疑系数，提高了稽查工作效率，为分布式光伏发电的有效监管提供证据。【IPC分类】G06Q50-06, G06N3-08, G本文档来自技高网...
【技术保护点】
一种基于智能算法的分布式光伏发电防窃电监测方法，其特征是，包括以下步骤：步骤一：建立分布式光伏发电数据库，数据库信息包括光伏电站历史气象资料和同期光伏发电功率数据。步骤二：以气象资料为输入量，以光伏发电功率值为输出，采用智能算法建立防窃电模型。步骤三：利用防窃电模型对光伏功率进行预测，通过光伏电站理论发电量计算模型，进而计算得到光伏电站的理论发电量。步骤四：将采集到的光伏电站实时发电量与光伏电站理论发电量输入到电量异常判定模块，可以得到光伏电站发电窃电嫌疑判定结果，并根据不同的窃电嫌疑系数，进行相应的窃电事件告警。
【技术特征摘要】
【专利技术属性】
技术研发人员：姬秋华，戴晨松，钟旭，刘刚，陈磊，王彦隽，张羽，杜炜，胡继昊，蔡伟，周光，黄宜林，
申请(专利权)人：国家电网公司，南京南瑞集团公司，南京南瑞太阳能科技有限公司，
类型：发明
国别省市：江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。