一种分布式光伏数据虚拟采集方法技术

一种分布式光伏数据虚拟采集方法，利用灰色关联理论分析区域内安装了数据采集装置的一个分布式光伏电站的历史运维数据，获知辐照度与分布式光伏出力的特征曲线；然后将区域日辐照度实时信息与历史辐照度数据进行关联度计算，根据关联度选取相似日，建立BP神经网络数据虚拟采集模型，实现区域范围内所有分布式光伏数据的虚拟采集。本发明专利技术利用与光伏输出功率密切相关的辐照度信息进行光伏输出数据的虚拟采集，与已有的光伏出力预测方法相比，本发明专利技术需要的数据量较小，缩减了数据输入的维度，大大简化了算法，可以系统的采集光伏电站一整天的出力数据，模型较为精简，不需要分时段训练网络模型，在保证数据精度的同时达到成本最小化的目的。

【技术实现步骤摘要】
一种分布式光伏数据虚拟采集方法
本专利技术属于电力
，涉及分布式光伏运维数据采集，为一种基于灰色关联度和BP神经网络混合的分布式光伏数据虚拟采集方法。技术背景光伏发电是近年来发展最为迅速的可再生能源技术。截至2019年9月底，光伏发电装机容量达到1.90亿千瓦，其中分布式光伏占比达到了30％以上，用户数量超过数十万。海量分布式光伏电站具有应用场景复杂多样、气象条件各异、接入点网架结构不一等特点，其运维信息获取、决策模型定制、结果评价等方面面临诸多困难。尤其是分布式光伏运维需要监测的数据点多，仅依靠增加传感器数量和提高采集频次等方法，将造成数据采集、传输、存储的成本过高问题。如何在充分考虑分布式光伏运维的经济性条件下，实现低成本、高效率的分布式光伏运维数据采集方案，值得深入研究。
技术实现思路
本专利技术要解决的技术问题是：海量的分布式光伏存在运维数据量大，数据采集、传输、存储的成本过高，需要实现低成本、高效率的分布式光伏运维数据采集方案。本专利技术的技术方案为：一种分布式光伏数据虚拟采集方法，基于灰色关联度和BP神经网络混合的方法对区域内分布式光伏电站的光伏数据实现虚拟采集，依靠区域内已经安装了数据采集装置的光伏电站D的运维数据，获知辐照度与分布式光伏出力的特征曲线，将辐照度作为特征向量，利用灰色关联理论进行辐照度相似日的选取，选取设定时间段的相似日历史数据作为原始数据训练集训练BP神经网络，然后将区域的待采集日辐照度数据作为BP神经网络的输入，得到待采集日光伏电站D的光伏输出数据，并推导得到未安装数据采集装置的光伏电站数据，实现区域范围内分布式光伏运维数据的虚拟采集。本专利技术首首先利用灰色关联理论分析区域范围内一个安装了数据采集装置的光伏电站的历史运维数据，获知辐照度与分布式光伏出力的特征曲线，得到历史辐照度数据，然后将区域的日辐照度实时信息与历史辐照度数据进行关联度计算，并选取关联度达到0.9以上的历史日为相似日；基于相似日的历史数据建立BP神经网络数据虚拟采集模型，用训练好的BP神经网络模型预测待采集日光伏输出，用于实现区域范围内分布式光伏数据的虚拟采集。本专利技术技术方案立足解决分布式光伏电站全覆盖安装数据采集装置造成数据采集成本过高问题，构建了一种基于灰色关联度和BP神经网络混合的分布式光伏数据虚拟采集方法，依靠区域范围内已经安装数据采集装置的分布式光伏站获知数据，选取影响光伏输出功率的主要气象因素-辐照度，将其作为特征向量利用灰色关联理论进行相似日的选取，因为间隔时间过长会导致气候因素的过大偏差，影响相似日选取的准确度，所以考虑历史数据对光伏发电影响具有“近大远小”的特点，本专利技术选取90天左右的数据作为原始数据训练集。然后将相似日的历史数据和实时的区域范围内辐照度数据作为BP神经网络的输入，实现区域范围内分布式光伏运维数据的虚拟采集。相比传统仅仅靠加装数据采集装置的方法采集光伏数据的方法，本专利技术方法在保证较高的准确性的前提下大大节省了数据采集的成本。本专利技术利用与光伏输出功率密切相关的辐照度信息进行光伏输出数据的虚拟采集，与已有的光伏出力预测方法相比，本方案需要的数据量较小，缩减了数据输入的维度，大大简化了算法的繁琐程度，而且可以比较系统的采集光伏电站一整天的出力数据，模型较为精简，不需要分时段训练模型。最终在保证数据精度的同时能够达到成本最小化的目的。附图说明图1为根据本专利技术方法建立的分布式光伏数据虚拟采集模型。图2为根据本专利技术方法对1、2、3月份进行相似日选取的结果。图3为根据本专利技术方法对6、7、8月份进行相似日选取的结果。图4为根据本专利技术方法对10、11、12月份进行相似日选取的结果。图5为根据本专利技术方法对1、2、3月份区域内分布式光伏数据采集结果示意图。图6为根据本专利技术方法对6、7、8月份区域内分布式光伏数据采集结果示意图。图7为根据本专利技术方法对10、11、12月份区域内分布式光伏数据采集结果示意图。图8为本专利技术按比例进行虚拟采集的示意图。具体实施方式本专利技术技术方案提供一种基于灰色关联度和BP神经网络混合的分布式光伏数据虚拟采集方法，以解决光伏数据采集装置全覆盖造成的成本过高的问题。现在参考附图介绍本专利技术的示例性实施方式，首先，依靠区域范围内已经安装数据采集装置的分布式光伏站获知历史日的辐照度数据与输出功率数据，选取影响光伏输出功率的主要气象因素-辐照度，将其作为特征向量利用灰色关联理论进行相似日的选取。包括：考虑历史数据对光伏发电影响具有“近大远小”的特点，选取连续90天，即三个月的数据作为原始数据训练集。采用每个历史日辐照度的平均值与各时刻的辐照度构造特征向量：X＝[F1,F2,…,Fn,Fav](1)式中，Fn为第n个时刻的辐照度，Fav为辐照度的平均值。接下来计算关联度。首先将辐照度数据与光伏功率数据进行如下归一化处理：式中，x、xmin、xmax分别为原始数据、原始数据中的最小值、原始数据中的最大值，x'为归一化后的数据。以辐照度数据的灰色关联分析为例进行说明。归一化后的待采集日与历史日的辐照度特征向量分别为：x0＝(x0(1),x0(2),…,x0(k))(3)xi＝(xi(1),xi(2),…,xi(k))(4)式中，x0为待采集日的特征向量，xi为历史日中第i日的特征向量，k为归一化后特征向量的总数，表示为k＝n+1。计算待虚拟采集电站每个历史日与待采集日的关联程度，其计算公式如下：其中，ξi(j)为关联系数，r为分辨系数，一般取0.5。为综合特征向量中的各个分量的关联系数，采用连乘方式定义相似度可有效解决各个分量权重的问题，历史日辐照度数据与待采集日辐照度数据二者的相似度定义为：本专利技术拟选取关联度大于0.9的所有样本组成相似日作为虚拟采集的训练样本。作为优选方式，对相似日的历史数据进行预处理，将数据采集的时间窗口定为6：00-19：00，数据采集时间间隔变换为1小时，利用预处理好的历史数据进行关联度分析及BP神经网络的构建和训练。根据气候的不同，选取不同时期来验证本专利技术的实施。选取1、2、3月份，6、7、8月份，10、11、12月份三个不同时期进行光伏数据的虚拟采集，相似日的选取结果如表1-3所示。表1、1、2、3月份相似日辐照度数据表2、6、7、8月份相似日辐照度数据表3、10、11、12月份相似日辐照度数据上述表格对应的曲线图如图2、3、4所示。可看出不同月份待采集日的辐照度与本专利技术方法选取的相似日的辐照度特征曲线都较为相似，具有较高的相关性，验证了本专利技术建立的相似日选取模型的有效性。选取完相似日后，将相似日的历史数据用作BP神经网络模型的训练，将待采集日的数据输入神经网络拟合出该日的光伏输出功率,输出结果如表4所示。表4、虚拟本文档来自技高网...

【技术保护点】
1.一种分布式光伏数据虚拟采集方法，其特征是基于灰色关联度和BP神经网络混合的方法对区域内分布式光伏电站的光伏数据实现虚拟采集，依靠区域内已经安装了数据采集装置的光伏电站D的运维数据，获知辐照度与分布式光伏出力的特征曲线，将辐照度作为特征向量，利用灰色关联理论进行辐照度相似日的选取，选取设定时间段的相似日历史数据作为原始数据训练集训练BP神经网络，然后将区域的待采集日辐照度数据作为BP神经网络的输入，得到待采集日光伏电站D的光伏输出数据，并推导得到未安装数据采集装置的光伏电站数据，实现区域范围内分布式光伏运维数据的虚拟采集。/n

【技术特征摘要】
1.一种分布式光伏数据虚拟采集方法，其特征是基于灰色关联度和BP神经网络混合的方法对区域内分布式光伏电站的光伏数据实现虚拟采集，依靠区域内已经安装了数据采集装置的光伏电站D的运维数据，获知辐照度与分布式光伏出力的特征曲线，将辐照度作为特征向量，利用灰色关联理论进行辐照度相似日的选取，选取设定时间段的相似日历史数据作为原始数据训练集训练BP神经网络，然后将区域的待采集日辐照度数据作为BP神经网络的输入，得到待采集日光伏电站D的光伏输出数据，并推导得到未安装数据采集装置的光伏电站数据，实现区域范围内分布式光伏运维数据的虚拟采集。


2.根据权利要求1所述的一种分布式光伏数据虚拟采集方法，其特征是首先利用灰色关联理论分析区域范围内一个安装了数据采集装置的光伏电站的历史运维数据，获知辐照度与分布式光伏出力的特征曲线，得到历史辐照度数据，然后将区域的日辐照度实时信息与历史辐照度数据进行关联度计算，并选取关联度达到0.9以上的历史日为相似日；基于相似日的历史数据建立BP神经网络数据虚拟采集模型，用训练好的BP神经网络模型预测待采集日光伏输出，用于实现区域范围内分布式光伏数据的虚拟采集。


3.根据权利要求1或2所述的一种分布式光伏数据虚拟采集方法，其特征是在灰色关联分析中，选取连续三个月的数据作为历史数据，采用每个历史日辐照度的平均值与各时刻的辐照度构造辐照度特征向量X，如下：
X＝[F1,F2,…,Fn,Fav](1)
式中，Fn为第n个时刻的辐照度，Fav为辐照度的平均值；所述辐照度特征向量X用于后续灰色关联理论分析。


4.根据权利要求3所述的一种分布式光伏数据虚拟采集方法，其特征是在灰...

【专利技术属性】
技术研发人员：张凌浩，王文天，张明，嵇文路，方磊，葛磊蛟，牛睿，姜小涛，许洪华，张玮亚，冯隆基，秦羽飞，刘嘉恒，
申请(专利权)人：国网江苏省电力有限公司南京供电分公司，天津大学，
类型：发明
国别省市：江苏;32