【技术实现步骤摘要】
一种光伏电站数据预处理方法
[0001]本专利技术涉及光伏发电功率预测领域，具体来讲涉及一种光伏电站数据预处理方法。
技术介绍
[0002]伴随着人类的进步和社会的逐步发展，电力系统的飞速发展也代表着人类需要消耗大量的能源来满足自身需求。而太阳能作为一种新型的清洁型可再生能源不仅吸引了全球的目光，更是带动了大多数国家开发和利用的热潮。
[0003]当前，光伏电站的数据采集普遍关注于数据的实时性，并不重视数据的可靠性和有效性。所以，若进行深度信息挖掘或二次开发利用会产生较大的影响。因此本专利技术针对光伏电站输出功率数据的特征和数据中出现的问题，提出一种光伏电站数据预处理方法。
技术实现思路
[0004]本专利技术的目的是提供一种光伏电站数据预处理方法，完成功率数据的预处理，根据一年内某光伏电站的输出功率数据和某光伏电站所在地的多元气象因子数据，删除光伏电站的每日输出功率数据点不足的天数以及多元气象因子数据点不足的某日输出功率数据和多元气象因子数据，再去对光伏电站的输出功率存在缺值的时间点进行功率数据填补，对光伏电站的输出功率存在功率数据错误值的进行更改，之后对光伏电站的输出功率存在功率数据异常值的进行更改。删除光伏电站的输出功率为无效值的某日输出功率数据和多元气象因子数据并删除光伏电站出现限电情况的某日输出功率数据和多元气象因子数据。得到预处理后的某光伏电站的输出功率数据和多元气象因子数据。
[0005]本专利技术所采用的技术是，一种光伏电站数据预处理方法，具体按照以下步骤实施：>[0006]获取一年内某光伏电站的输出功率数据和某光伏电站所在地的多元气象因子数据。
[0007]其中光伏电站输出功率数据指光伏电站的并网点输出功率数据。其中多元气象因子数据包括某光伏电站所在地的温度，湿度，大气压力，风速，风向和辐射度数据。
[0008]根据日期分别统计每日的输出功率点数目和每日的多元气象因子数据点数目，分别对其进行判断，若每日数据量与该光伏电站的每日的输出功率数据点数目不匹配，则在样本集中删除该日的输出功率数据和多元气象因子数据。
[0009]若每日数据量与该光伏电站的每日的多元气象因子数据点数目不匹配，则在样本集中去除该天的功率数据和多元气象因子数据，获得满足时间分辨率的功率数据和多元气象因子数据。
[0010]由于光伏电站的独特属性，白天光伏电站输出功率，夜间不输出功率，因此将每日的数据分为两部分进行处理。
[0011]其中时间点位于夜间的输出功率缺值数据使用0值进行填补。
[0012]其中时间点位于白天的输出功率缺值数据分为四种情况考虑：
[0013]当时间点位于白天的输出功率缺值数据为连续一个。
[0014][0015]其中P
i
表示缺值处需填补的功率数据，P
i
‑1表示缺值前一处的功率数据，P
i+1
表示缺值后一处的功率数据。
[0016]当时间点位于白天的输出功率缺值数据为连续二个。
[0017][0018]其中P
i
表示第一个缺值处需填补的功率数据，P
i+1
表示第二个缺值处需填补的功率数据，P
i
‑1表示缺值前一处的功率数据，P
i+2
表示缺值后一处的功率数据。
[0019]当时间点位于白天的输出功率缺值数据超过连续三个.
[0020][0021]其中P
i
表示第一个缺值处需填补的功率数据，P
i+1
表示第二个缺值处需填补的功率数据，P
i+2
表示第三个缺值处需填补的功率数据，P
i
‑1表示缺值前一处的功率数据，P
i+3
表示缺值后一处的功率数据。
[0022]当时间点位于白天的输出功率缺值数据超过连续三个。
[0023]则将该天的输出功率数据和多元气象因子数据从样本集中删除。
[0024]对光伏电站的输出功率存在缺值的时间点功率数据填补完成。
[0025]对光伏电站的输出功率存在功率数据错误值的进行更改。
[0026]使用0值插补法对错误值进行修改。
[0027]确定光伏电站输出功率异常值的条件。
[0028]对光伏电站的输出功率存在功率数据异常值的进行更改。
[0029]使用均值插补法对异常值修正。
[0030]具体公式如下：
[0031][0032]其中P
i
表示异常处需修改的功率数据，P
i
‑1表示异常前一处的功率数据，P
i+1
表示异常后一处的功率数据。
[0033]光伏电站的功率数据读取可能造成某一天的功率数据均为0，不满足光伏电站的功率数据的典型特征，因此在样本集中进行筛选。
[0034]将该天的输出功率数据和多元气象因子数据从样本集中删除。
[0035]得到无效值处理之后的功率数据。
[0036]光伏电站跟随电网调度原因会出现限电情况，而限电情况属于人为造成的功率波动，对功率预测有较高的影响，因此需要在样本集中删除光伏电站出现限电情况的某日输出功率数据和多元气象因子数据。
[0037]根据限电曲线特性，在光伏电站输出功率数据集中在筛选典型限电功率曲线。
[0038]典型限电功率曲线和光伏电站输出功率数据集中其他曲线的相关度，相关度越大的越有可能是限电功率曲线。
[0039]使用灰色关联度法计算相关度.
[0040]选取典型限电功率曲线作为参考序列，选取光伏电站输出功率数据集中其他曲线作为比较序列。
[0041]参考序列表示为：Y＝Y(k)|k＝1,2...,k
[0042]比较序列表示为：X
i
＝Y(k)|k＝1,2...,n；i＝1,2,...m
[0043]对参考序列和比较序列进行无量纲化处理：
[0044][0045]其中k对应时间段，i对应比较数列中的一行。
[0046]无量纲处理后计算关联度系数：
[0047][0048][0049]其中ρ表示分辨系数，通常取值范围为(0,1)之间，当p≤0.5463时分辨力最好，通常p＝0.5。
[0050]计算关联度：
[0051][0052]关联度从大到小排序，选取阈值，初步筛选相似限电曲线。
[0053]使用限定条件在相似限电功率曲线中再次进行筛选。
[0054]经上述步骤筛选出来的为该光伏电站的限电功率曲线，确定限电功率曲线的具体日期，在样本集中删除光伏电站出现限电情况的某日输出功率数据和多元气象因子数据。
[0055]经由上述步骤得到数据处理后的某光伏电站的输出功率数据和某光伏电站所在地的多元气象因子数据，便于后续的光伏电站功率预测。
附图说明
[0056]图1为一种光伏电站数据预处理方法流程图。
[0057]图2为本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种光伏电站数据预处理方法，利用编程语言自动处理光伏电站输出功率数据和某光伏电站所在地的多元气象因子数据，为光伏短期功率预测等相关问题准备数据。其特征在于，按照以下步骤实施：步骤1：获取一年内某光伏电站的输出功率数据和某光伏电站所在地的多元气象因子数据。步骤2：根据数据的分辨率，确定每日的数据量，删除光伏电站的每日输出功率数据点不足的天数以及多元气象因子数据点不足的某日输出功率数据和多元气象因子数据。步骤3：对光伏电站的输出功率存在缺值的时间点进行功率数据填补。步骤4：对光伏电站的输出功率存在功率数据错误值的进行更改。步骤5：对光伏电站的输出功率存在功率数据异常值的进行更改。步骤6：删除光伏电站的输出功率为无效值的某日输出功率数据和多元气象因子数据。步骤7：删除光伏电站出现限电情况的某日输出功率数据和多元气象因子数据。步骤8：得到数据处理之后的某光伏电站的输出功率数据和某光伏电站所在地的多元气象因子数据。2.根据权利要求1所述中的一种光伏电站数据预处理方法，其特征在于，所述步骤1中具体为，获取一年内某光伏电站的输出功率数据和某光伏电站所在地的多元气象因子数据。其中光伏电站输出功率数据指光伏电站的并网点输出功率数据。其中多元气象因子数据包括某光伏电站所在地的温度，湿度，大气压力，风速，风向和辐射度数据。3.根据权利要求1所述中的一种光伏电站数据预处理方法，其特征在于，所述步骤2中具体为，根据该光伏电站的读取输出功率的时间分辨率，确定每日的数据量，筛选出每日功率数据点以及多元气象因子数据点不足的天数，删除光伏电站的每日输出功率数据点不足的天数以及多元气象因子数据点不足的某日输出功率数据和多元气象因子数据。具体步骤如下：步骤3.1、根据该光伏电站的时间分辨率，确定该光伏电站的输出功率每日数据量和多元气象因子每日数据量。步骤3.2、根据日期分别统计每日的输出功率点数目和每日的多元气象因子数据点数目，分别对其进行判断，若每日数据量与该光伏电站的每日的输出功率数据点数目不匹配，则在样本集中删除该日的输出功率数据和多元气象因子数据。步骤3.3、若每日数据量与该光伏电站的每日的多元气象因子数据点数目不匹配，则在样本集中去除该天的功率数据和多元气象因子数据。步骤3.4、获得满足时间分辨率的样本集。4.根据权利要求1所述中的一种光伏电站数据预处理方法，其特征在于，所述步骤3中具体为，对光伏电站的输出功率存在缺值的时间点进行功率数据填补，具体步骤如下：步骤4.1、由于光伏电站的独特属性，白天光伏电站输出功率，夜间不输出功率，因此将每日的数据分为两部分进行处理。步骤4.2、其中时间点位于夜间的输出功率缺值数...
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。