一种基于时序特征分解技术的并网光伏发电系统状态监测方法技术方案

本发明专利技术公开一种基于时序特征分解技术的并网光伏发电系统状态监测方法，旨在通过分析提取并网光伏发电系统采样数据的时间序列相关特征，并同时考虑采样数据的时变特性，从而解决并网光伏发电系统的运行状态监测问题。具体来讲，本发明专利技术方法设计了一种全新的时序特征分解方法技术，以并网光伏发电系统配套的SCADA系统提供的实时采样数据为对象，直接通过特征自回归模型的方式，挖掘出数据中蕴藏的满足时序误差最小化的时序相关特征来构建相应的监测指标。本发明专利技术方法通过监测时序特征的时序回归误差以及静态的模型误差来监测采样数据中的异常变化，从两个方面确保了并网光伏发电系统运行状态监测的全面性。发电系统运行状态监测的全面性。发电系统运行状态监测的全面性。

【技术实现步骤摘要】
一种基于时序特征分解技术的并网光伏发电系统状态监测方法


[0001]本专利技术涉及一种并网光伏发电系统运行状态监测方法，特别涉及一种基于时序特征分解技术的并网光伏发电系统状态监测方法。

技术介绍

[0002]随着全球对能源需求的不断增加，传统化石能源的紧缺己经成为一个不争的事实，太阳能以其自身的优越性被人们广泛的关注。把太阳能转化为大家常生活中使用的交流电能是并网光伏发电系统的功能所在。由于光伏阵列发出的是不可直接使用的波动电流，因而需要光伏并网逆变器，将其转化为与电网同频同相的交流电，因而并网光伏逆变器是决定并网效率和性能的核心部件。并网光伏发电系统的最大特点是光伏阵列产生的直流电经过并网逆变器转换为符合市电电网要求的交流电后接入市电网络，并网系统中光伏阵列所产生的电力除了供给交流负载外，多余的电力反馈给电网。
[0003]由于和大电网相连接，不必考虑负载供电的稳定性。有大电网来接纳光伏发电系统输出的电能，且输出的质量相对稳定，因而并网光伏发电系统得到了越来越广泛的关注。随着目前光伏并网发电越来越多，光伏发电的建设规模越来越大，并网光伏发电系统的状态监测是保证光伏发电正常运行的保证。如果使用人工巡检的方式，将消耗大量的人力和物力。此外并网发电以后，光伏发电系统将作为电力系统的一部分，如果配电网络出现故障，或者光伏发电系统出现故障，都将会影响到整个电力系统的正常运行。在自动化研究领域，并网光伏发电系统是目前发展速度最快的电力技术之一。因此，如何实时监测并网光伏发电系统的正常运行是保证电力持续稳定供应的重中之重。
[0004]近年来，通过利用并网光伏发电系统的实时测量数据来实现对其运行状态监测已经逐渐得到了业内的认可，衍生出了一系列的基于数据特征分析与提取策略的光伏发电运行状态监测方法。其中，分析时间序列的数据往往可以挖掘出巨大的数据价值，这种数据价值可以是依据事物历史发展规律，进一步推测事物未来的发展，简言之就是时间序列预测。所谓时间序列预测就是从时间序列的数据中找出演化规律，构建数学模型，并对未来发展进行定量估计，在这其中最重要的一点就是基于数据中存在的先后顺序。在当前技术环境下，并网光伏发电系统都安装有配套的监视控制与数据采集系统(Supervisory Control And Data Acquisition，缩写：SCADA)，以固定设置的采样时间间隔，不间断的对并网光伏发电系统实施数据采集与监视。SCADA系统的广泛应用为实施时间序列分析的并网光伏发电系统运行状态监测提供了坚实的数据基础。

技术实现思路

[0005]本专利技术所要解决的主要技术问题是：如何通过分析提取并网光伏发电系统采样数据的时间序列相关特征，并同时考虑采样数据的时变特性，从而解决并网光伏发电系统的运行状态监测问题。具体来讲，本专利技术方法设计推理出了一种新型的时间序列采样数据特
征分解技术(简称：时序特征分解)，以并网光伏发电系统配套的SCADA系统提供的实时采样数据为对象，挖掘出数据中蕴藏的时序相关特征来构建相应的监测指标。
[0006]本专利技术方法解决上述问题所采用的技术方案为：一种基于时序特征分解技术的并网光伏发电系统状态监测方法，包括以下所示步骤：
[0007]步骤(1)：在并网光伏发电系统正常运行状态下，利用SCADA系统获取各个采样时刻的测量数据，并按照采样时间先后依次将N个采样时刻的测量数据对应存储为N个数据向量x1，x2，
…
，x
N
；其中，第i个采样时刻的数据向量x
i
∈R
11
×1具体由第i个采样时刻的11个测量数据组成，依次分别是：光照强度，环境温度，直流电压，直流电流，直流变换器的输出电压，交流逆变器的三相电压和三相电流；下标号i∈{1，2，
…
，N}，R
11
×1表示11
×
1维的实数向量，R表示实数集。
[0008]步骤(2)：将x1，x2，
…
，x
N
组成数据矩阵X＝[x1，x2，
…
，x
N
]T
后，再根据对X中各列的列向量分别实施标准化处理，从而得到新矩阵其中，z
j
∈R
N
×1表示数据矩阵X中的第j列的列向量，表示新矩阵中第j列的列向量，μ
j
和δ
j
分别表示列向量z
j
中所有元素的平均值和标准差，j∈{1，2，
…
，11}，R
N
×
11
表示N
×
11维的实数矩阵，上标号T表示矩阵或向量的转置。
[0009]步骤(3)：根据如下所示公式
①
分别构造时序矩阵Y和时序扩展矩阵Z后，再对矩阵实施奇异值分解，从而得到酉矩阵U和奇异值对角矩阵V。
[0010]上式中，D表示时序阶数，分别表示新矩阵中的第1行，第2行，...，第D
‑
1行，第D行，第D+1行，...，第N
‑
D行，第N
‑
2行，第N
‑
1行，和第N行的行向量。
[0011]步骤(4)：按照如下所示步骤(4.1)至(4.7)为时序矩阵Y和时序扩展矩阵Z实施时序特征分解，得到特征分解矩阵W∈R
11
×
M
，回归系数矩阵P∈R
11
×
M
，时序系数矩阵B∈R
D
×
M
，和时序误差矩阵E∈R
(N
‑
D)
×
11
；其中，M等于时序特征的个数，R
(N
‑
D)
×
11
表示(N
‑
D)
×
11维的实数矩阵。
[0012]步骤(4.1)：设置时序特征的个数等于M后，再初始化m＝1。
[0013]步骤(4.2)：初始化分解向量w
m
∈R
11
×1为一个任意的11
×
1维的非零实数向量后，再根据公式更新分解向量w
m
。
[0014]步骤(4.3)：根据公式计算时序系数向量β
m
；其中，I
D
表示D
×
D维的单位矩阵，表示计算I
D
和w
m
的克罗内克积(Kronecker)，具体的计算方法如下所示：
[0015]步骤(4.4)：根据公式计算矩阵G后，再根据公式G＝V
‑
0.5
U
T
GUV
‑
0.5
更新矩阵G；其中，I
11
表示11
×
11维的单位矩阵，表示计算β
m
和I
11
的克罗内克积，具体的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于时序特征分解技术的并网光伏发电系统状态监测方法，其特征在于，具体包括以下所示步骤：步骤(1)：在并网光伏发电系统正常运行状态下，利用SCADA系统获取各个采样时刻的测量数据，并按照采样时间先后将N个采样时刻的测量数据依次对应存储为N个数据向量x1，x2，
…
，x
N
；其中，第i个采样时刻的数据向量x
i
∈R
11
×1具体由第i个采样时刻的11个测量数据组成，排列顺序依次是：光照强度，环境温度，直流电压，直流电流，直流变换器的输出电压，交流逆变器的三相电压和三相电流；下标号i∈{1，2，
…
，N}，R
11
×1表示11
×
1维的实数向量，R表示实数集；步骤(2)：将x1，x2，
…
，x
N
组成数据矩阵X＝[x1，x2，
…
，x
N
]
T
后，再根据对X中各列的列向量分别实施标准化处理，从而得到新矩阵其中，z
j
∈R
N
×1表示X中第j列的列向量，表示新矩阵中第j列的列向量，μ
j
和δ
j
分别表示列向量z
j
中所有元素的平均值和标准差，j∈{1，2，
…
，11}，R
N
×
11
表示N
×
11维的实数矩阵，上标号T表示矩阵或向量的转置；步骤(3)：根据如下所示公式
①
分别构造时序矩阵Y和时序扩展矩阵Z后，再对矩阵实施奇异值分解，从而得到酉矩阵U和奇异值对角矩阵V；上式中，D表示时序阶数，分别表示中的第1行，第2行，
…
，第D
‑
1行，第D行，第D+1行，
…
，第N
‑
D行，第N
‑
2行，第N
‑
1行，和第N行的行向量；步骤(4)：利用时序矩阵Y和时序扩展矩阵Z实施时序特征分解，得到特征分解矩阵W∈R
11
×
M
，回归系数矩阵P∈R
11
×
M
，时序系数矩阵B∈R
D
×
M
，和时序误差矩阵E∈R
(N
‑
D)
×
11
；其中，M等于时序特征的个数，R
(N
‑
D)
×
11
表示(N
‑
D)
×
11维的实数矩阵；步骤(5)：根据公式计算模型误差矩阵F，并计算时序误差矩阵E的协方差矩阵Λ＝E
T
E/(N
‑
D
‑
1)后，再根据公式Q
d
＝diag{E
T
Λ
‑1E}和Q
s
＝diag{F
T
F}分别计算时序监测指标向量Q
d
和静态监测指标向量Q
s
；其中，diag{}表示将大括号内的矩阵对角线元素转变成列向量的操作；步骤(6)：分别将Q
d
和Q
s
中的最大值记录为Q
d，max
和Q
s，max
，并计算综合监测指标向量ψ＝Q
d
/Q
d，max
+Q
s
/Q
s，max
后，再将ψ中的最大值记录为ψ
max
；步骤(7)：利用SCADA系统获取并网光伏发电系统在最新采样时刻的11个测量数据，并将这11个测量数据按照步骤(1)中所述顺序依次排列后组成一个11
×
1维的数据向量y
t
∈R
11
×1后，再根据公式对y
t
中的各个元素实施标准化处理，从而得到列向量其中，j∈{1，2，
…
，11}，y
t
(j)和分别表示y
t
和中的第j个元素；步骤(8)：将前D个采样时刻的数据向量依次记录为y
t
‑1，y
t
‑2，
…
，y
t
‑
D
，并按照步骤(7)中的实施过程，分别对其实施标准化处理，从而对应得到列向量后，再根据如
下所示步骤(8.1)至步骤(8.4)计算得到时序误差向量e
t
∈R
M
×1和模型误差向量f
t
∈R
11
×1；步骤(8.1)：分别根据公式和依次计算当前采样时刻及其前D个采样时刻的时序特征向量s
t
，s
t
‑1，
…
，和s
t
‑
D
后，再初始化m＝1；...

【专利技术属性】
技术研发人员：章涛，陈勇旗，陈杨，
申请(专利权)人：宁波大学科学技术学院，
类型：发明
国别省市：