光伏发电系统智能数据清洗方法与装置制造方法及图纸

本发明专利技术提供一种光伏发电系统智能数据清洗方法与装置，属于光伏发电技术领域。其中，本发明专利技术的方法包括下述具体步骤：采集光伏发电系统的运行数据并对其进行变量选择；基于所述运行数据，对改进型灰狼算法(IGWO)算法进行原理分析；根据所述IGWO算法对所述光伏发电系统的运行数据进行聚类；对所得的每个聚类中的运行数据进行缺失值插补和无效值修正，以完成对所述运行数据清洗过程。本发明专利技术结合IGWO智能优化算法提供了一种光伏发电系统的数据清洗方法，通过数据采样、变量选择、数据聚类、数据插值和修正有效提高了光伏系统运行数据的质量，为后续系统的建模和控制优化设计奠定了基础。续系统的建模和控制优化设计奠定了基础。续系统的建模和控制优化设计奠定了基础。

【技术实现步骤摘要】
光伏发电系统智能数据清洗方法与装置


[0001]本专利技术属于光伏发电
，具体涉及一种光伏发电系统智能数据清洗方法与装置。

技术介绍

[0002]在世界范围内能源环境危机下，作为化石燃料的一大消耗产业，电力行业的能源转型迫在眉睫。需探究各可再生能源的特性和可用性，广泛发展基于可再生新能源的发电技术实现发电领域的化石能源替代。基于此，风能、太阳能、地热能、潮汐能等可再生新能源成为世界各国关注的焦点。其中，太阳能能量巨大，几乎堪称“取之不尽，用之不竭”，且基本不受地域的限制，在地球绝大部分地方都可实现太阳能的开发利用。除此之外，光伏发电也是产生最早，发展最为成熟的新能源发电技术之一。虽然作为一种易于获取的可再生新能源，太阳能具有极大的环境友好性，然而其易受环境影响也成为其进一步发展过程中的一大困难和挑战。因此，需综合考虑光伏系统的建模和控制优化问题以促进电网的安全稳定。
[0003]当今世界，大数据技术飞速发展，而光伏发电系统的控制优化与电网电力调度都离不开对数据间特征和联系的挖掘与分析。然而，实际的光伏发电过程往往受到外界环境变化和光伏阵列局部遮挡等的影响，其运行数据中往往受到噪声等的干扰出现数据无效或缺失的情况。与此同时，不同运行工况下的光伏系统的数据一般也具有不同的特性。因此，通过设计合理、性能优越的数据清洗技术实现光伏系统的数据处理和优化是实现其稳定并网的关键一步。
[0004]数据清洗技术涉及到数据聚类、数据插值以及数据模型辨识等内容。以往的数据清洗技术中需通过不同的算法解决上述问题。随着群智能优化算法的发展，其在建模和控制等多个领域均取得了成功的应用。因此，其具有同时实现上述功能的开发潜力，并且可以从极大程度上提高光伏发电系统数据清洗过程中的智能化和灵活性，对其余复杂工业系统的数据清洗技术也具有极大适用性。
[0005]因此，基于上述问题，本专利技术提出一种光伏发电系统智能数据清洗方法与装置。

技术实现思路

[0006]本专利技术旨在至少解决现有技术中存在的技术问题之一，提供一种光伏发电系统智能数据清洗方法与装置。
[0007]本专利技术的一方面，提供一种光伏发电系统智能数据清洗方法，包括下述具体步骤：
[0008]采集光伏发电系统的运行数据并对其进行变量选择；
[0009]基于所述运行数据，对IGWO算法进行原理分析；
[0010]根据所述IGWO算法对所述光伏发电系统的运行数据进行聚类；
[0011]对所得的每个聚类中的运行数据进行缺失值插补和无效值修正，以完成对所述运行数据清洗过程。
[0012]可选的，所述采集光伏发电系统的运行数据并对其进行变量选择，包括：
[0013]以采样步长T采集光伏系统在不同季节、月份、天数和时间点下的N组运行数据{x(1),x(2),
…
,x(N)}，每组运行数据的维度为M，代表光伏系统的M个数据变量，x(t)＝{x1(t),x2(t),
…
,x
M
(t)}，t表示当前采样点；
[0014]从M个数据变量中选出m个最终选用的数据变量。
[0015]可选的，所述基于所述运行数据，对IGWO算法进行原理分析，包括：
[0016]对灰狼种群的混沌镜像进行初始化；
[0017]引入参数的余弦更新；
[0018]局部最优的判定及相应的变异操作。
[0019]可选的，所述对灰狼种群的混沌镜像进行初始化，包括：
[0020]在IGWO的混沌镜像初始化过程中引入混沌序列，通过正弦公式迭代生成混沌矢量：
[0021]Ch1＝rand(0,1)
[0022]Ch
k+1
＝sin(πCh
k
)(i＝1,2,
…
,N
p
；j＝1,2,
…
,D)
[0023][0024]其中：D是搜索维度，Ch
k
代表第k时刻的混沌矢量且Ch1为混沌矢量的初值，d
ij
指第i个灰狼在第j个搜索维度的位置向量， Ch
kj
代表第k时刻的混沌矢量在第j个搜索维度的分量，和分别表示第j个搜索维度的上下界；
[0025]基于所得灰狼种群执行镜像操作，并获得镜像解位置向量
[0026]计算初始种群向量d
i
＝{d
i,1
,d
i,2
,
…
,d
i,D
}和镜像种群的个体适应度并选择N
p
个具有最优适应度值的解最终形成初始种群向量其中d
′
i
＝{d
′
i,1
,d
′
i,2
,
…
,d
′
i,D
}(i＝1,
…
,N)。
[0027]可选的，所述引入参数的余弦更新，包括：
[0028]引入下式所示的余弦公式更新a：
[0029][0030]可选的，所述局部最优的判定及相应的变异操作：
[0031]引入阈值θ并通过下式判断优化过程是否陷入局部最优：
[0032][0033]其中：Fit(d
*
(k))为当前最优解的适应度值；
[0034]当确认优化过程陷入早熟收敛后，通过如下变异操作扩大种群多样性，跳出当前的局部最优：
[0035][0036][0037]j＝(1,2,
…
,D)
[0038]其中，是第j维的更新最优解，是第j维的原最优解，w是选自[0,1]的随机数，η是分布指数，参数β1和β2通过下式获得：
[0039][0040][0041]j＝(1,2,
…
,D)。
[0042]可选的，所述IGWO算法是基于GWO算法进行改进得到的。
[0043]可选的，所述根据所述IGWO算法对所述光伏发电系统的运行数据进行聚类，包括：
[0044]定义聚类个数为N
c
，在数据对集合中随机选取N
c
个数据向量作为初始聚类中心；
[0045]设置每个聚类中元素个数的阈值为th(th≥N/N
c
)，然后依次选取与聚类中心c
i
(i＝1,2,
…
,N
c
)距离最近的n
i
(i＝1,2,
…
,N
c
)个数据向量；
[0046]若n
i
≥th，则自动转入下一个聚类，直到确定每个聚类的元素；
[0047]以各聚类中心和本聚类中各元素间的平均距离最小为适应度函数f1，将聚类中心位置视为灰狼个体的位置，采用IGWO算法进行最优聚类中心的获取，并将最优聚类中心到各元素的最远距离作为聚类半径
[0048]可选的，所述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种光伏发电系统智能数据清洗方法，其特征在于，包括下述具体步骤：采集光伏发电系统的运行数据并对其进行变量选择；基于所述运行数据，对IGWO算法进行原理分析；根据所述IGWO算法对所述光伏发电系统的运行数据进行聚类；对所得的每个聚类中的运行数据进行缺失值插补和无效值修正，以完成对所述运行数据的清洗过程。2.根据权利要求1所述的方法，其特征在于，所述采集光伏发电系统的运行数据并对其进行变量选择，包括：以采样步长T采集光伏系统在不同季节、月份、天数和时间点下的N组运行数据{x(1),x(2),
…
,x(N)}，每组运行数据的维度为M，代表光伏系统的M个数据变量，x(t)＝{x1(t),x2(t),
…
,x
M
(t)}，t表示当前采样点；从M个数据变量中选出m个最终选用的数据变量。3.根据权利要求1所述的方法，其特征在于，所述基于所述运行数据，对IGWO算法进行原理分析，包括：对灰狼种群的混沌镜像进行初始化；引入参数的余弦更新；局部最优的判定及相应的变异操作。4.根据权利要求3所述的方法，其特征在于，所述对灰狼种群的混沌镜像进行初始化，包括：在IGWO的混沌镜像初始化过程中引入混沌序列，通过正弦公式迭代生成混沌矢量：Ch1＝rand(0,1)Ch
k+1
＝sin(πCh
k
)(i＝1,2,
…
,N
p
；j＝1,2,
…
,D)其中：D是搜索维度，Ch
k
代表第k时刻的混沌矢量且Ch1为混沌矢量的初值，d
ij
指第i个灰狼在第j个搜索维度的位置向量，Ch
kj
代表第k时刻的混沌矢量在第j个搜索维度的分量，和分别表示第j个搜索维度的上下界；基于所得灰狼种群执行镜像操作，并获得镜像解位置向量计算初始种群向量d
i
＝{d
i,1
,d
i,2
,
…
,d
i,D
}和镜像种群的个体适应度并选择N
p
个具有最优适应度值的解最终形成初始种群向量其中d
′
i
＝{d
′
i,1
,d
′
i,2
,
…
,d
′
i,D
}(i＝1,
…
,N)。5.根据权利要求3所述的方法，其特征在于，所述引入参数的余弦更新，包括：引入下式所示的余弦公式更新a：6.根据权利要求3所述的方法，其特征在于，所述局部最优的判定及相应的变异操作：引入阈值θ并通过下式判断优化过程是否陷入局部最优：
其中：Fit(d

【专利技术属性】
技术研发人员：曾凡春，崔源，李丹阳，王军，陈婷婷，李涛，陈岩磊，张澈，王传鑫，田长凤，
申请(专利权)人：北京华能新锐控制技术有限公司，
类型：发明
国别省市：